Deep-Learning-basierte OCR: Hülseninspektion spart Arbeit und senkt die Fehlerrate

Veröffentlicht am 22. November 2021 von TIS Marketing.

Kopfstempel sind Munitionsmarkierungen, die als Klassifizierungssystem für die Verwendung, den sicheren Transport, die Lagerung und die Qualitätskontrolle von Munition dienen. Polizeidienststellen registrieren alle Bewegungen von Munition in und aus ihren Waffenlagern mit Hilfe von Munitionskontrolldatenbanken. Diese Kontroll- und Erfassungsaufgaben werden von den Beamten selbst durchgeführt und kosten die Polizeidienststellen jedes Jahr hunderte von Stunden. Taiwans Nationale Polizeibehörde (NPA) kooperierte mit Nevis Technology, , einem Wiederverkäufer von The Imaging Source, um ein Bildverarbeitungssystem mit Deep-Learning-basierter optischer Zeichenerkennung (engl. optical character recognition - OCR) zur Inspektion und Katalogisierung der Munition zu entwickeln. Die Projektingenieure wählten die GigE-Monochromen Industriekameras DMK 33GP031 von The Imaging Source für den Einsatz in Verbindung mit der Systemsoftware, die von Nevis Technology speziell für diese Anwendung entwickelt wurde. Das neue Inspektionssystem hat es der NPA ermöglicht, den Katalogisierungsprozess vollständig zu automatisieren und so Arbeitsaufwand und Fehler zu reduzieren.

Munitionstabletts müssen vor der Verteilung an die Beamten geprüft und katalogisiert werden. Mithilfe der optischen Zeichenerkennung (OCR) stellt die maschinelle Bildverarbeitung sicher, dass diese Aufgabe genau und effizient ausgeführt wird.

Monochrome Industriekameras liefern kontrastreiche Bilder für OCR

Die NPA suchte schon seit Jahren nach Möglichkeiten, die Prüfung von neuer und gebrauchter Munition zu automatisieren, doch zum ersten Mal geschah dies nun mithilfe eines bildverarbeitungsbasierten Prüfsystems. Ein zuverlässiges und hochpräzises System zu finden, schien die größte Herausforderung zu sein.

Nevis Technology entwickelte ein System, bei dem zwei Monochromkameras von The Imaging Source Bilder von Munitionstabletts aus unterschiedlichen Winkeln aufnehmen. Monochromkameras eignen sich ideal für Bildverarbeitungsaufgaben wie OCR und bieten einen besseren Bildkontrast und eine höhere Auflösung, so dass scharfe und kontrastreiche Bilder entstehen, die eine zuverlässige Lokalisierung, Segmentierung und Extraktion von Zeichen gewährleisten.

Der Software-Algorithmus vergleicht die extrahierten Daten mit dem zuvor trainierten Datensatz. Alle leeren Zellen oder Hüllen, die nicht dem festgelegten Standard (NOK) entsprechen, werden rot angezeigt (siehe Bild unten). Das System inspiziert alle 5 Sekunden ein Fach mit Munition (typischerweise 50 Patronen pro Tablett) und erfüllt damit die Projektanforderungen der NPA. Nevis berichtet: "Durch den Einsatz des Bildverarbeitungssystems zur automatischen Identifizierung, Meldung und Aussonderung von Kugeln mit unterschiedlichen Spezifikationen konnten die Polizeieinheiten den Personalaufwand um etwa 60 % reduzieren und bis zu 2 Millionen NT$ pro Jahr einsparen."

Das OCR-System nutzt Deep Learning zur Fehler- und Anwesenheitserkennung. Nevis Technology berichtet, dass die Polizei ihren Arbeitsaufwand für die Inspektionsaufgaben auf diese Weise um bis zu 60% reduzieren konnte.