Die Abkürzung „OCR“ steht für „Optical Character Recognition“, zu Deutsch „optische Zeichenerkennung“. Dieser Begriff beschreibt die Fähigkeit einer Software, aufgenommene Bilder nach Schriftzeichen abzusuchen und diese in Daten umzuwandeln 

Für viele verschiedene Branchen ist OCR ein wichtiger Meilenstein. Mit der optischen Zeichenerkennung kann Ware getrackt, aber auch die Qualitätssicherung unterstützt werden. Diese Funktionen kommen Unternehmensprozessen in Logistik, Produktion sowie dem Einzelhandel zugute. Informationen müssen sich nun nicht mehr auf Code beschränken bzw. händisch erfasst werden. Mit einer stationären Bildverarbeitungskamera werden Ziffern und Buchstaben im Bruchteil einer Sekunde erfasst und in auswertbare Daten umgewandelt. Dies führt zu einer deutlichen Prozessbeschleunigung und reduziert außerdem die Fehlerquote.

Ein konkretes Beispiel für die Verwendung der OCR-Technik ist die Überprüfung von Autoteilen wie Reifen. Hier liegen die für die Weiterverwendung nötigen Informationen in der Regel als ins Reifenmaterial eingearbeitete Ziffern und Buchstaben vor. Eine klassische Auswertung mit Scannern ist also nicht möglich. Das Abtippen per Hand ist jedoch nicht nur ein großer Zeitaufwand, sondern auch besonders fehleranfällig.

Ein weiteres Beispiel aus der Praxis: Die Überprüfung des Mindesthaltbarkeitsdatums bei Lebensmitteln wie Konservendosen. Das MHD muss auf jedem Artikel gut lesbar angegeben sein, damit dieser in den Handel gelangen und bei Bedarf eindeutig identifiziert werden kann. Abweichungen in der Lesbarkeit müssen daher aussortiert werden. Für solche Prozesse innerhalb der Qualitätssicherung lassen sich Bildverarbeitungskameras hervorragend einsetzen. 

Für eine reibungslose optische Zeichenerkennung benötigen Sie ein perfektes Zusammenspiel aus robuster, leistungsstarker Hardware und performanter Software. Um Fehler bei der Auslesung zu vermeiden, müssen Sie sich sowohl auf die Leistung der Bildverarbeitungskamera als auch auf die hochpräzise Texterkennung der zugrundeliegenden Software verlassen. Wir implementieren bei unseren Kunden bevorzugt die stationären Bildverarbeitungskameras von Zebra Technologies.

Die Besonderheit der Zebralösung: Die stationären Scanner der FS-Serie lassen sich völlig unkompliziert auf Machine Vision-Funktionen wie OCR erweitern. * Dies ermöglicht die Software Aurora. Dabei handelt es sich um eine einheitliche Plattform, die zur Verwaltung unternehmensweiter Automatisierungslösungen für Produktion und Logistik entwickelt wurde. Die optische Zeichenerkennung ist nur eine der zahlreichen Funktionen der Software.

Oft ist bei der Einrichtung von OCR ein erheblicher Zeitaufwand für Schulungen und Nachschulungen erforderlich. Die Gründe: Schwer lesbare oder kontrastarme Zeichen auf unscharfen Hintergründen sowie die Verwendung verschiedener Schriftarten. Was den Einsatz von OCR-Technik so knifflig macht, ist die Vielfalt der Schwierigkeiten, mit denen sich die Endbenutzer konfrontiert sehen:

• Die Art der Anbringung des Codes: Handelt es sich um aufgedruckte Codes, um eine Art von DPM (Direct Part Marking) oder um einen Artikel, der aus einem Guss hergestellt wurde?

• Die Oberfläche, auf welcher der Code angebracht wurde: Je geringer der Kontrast und je mehr Spiegelung beim Abfotografieren entsteht, umso schwieriger ist die korrekte Auslesung des Codes.

• Die Art der Beleuchtung: Zu viel oder zu wenig Licht sowie Lichtreflexe sind mögliche Störfaktoren.

• Erfassung durch die Kamera: Wird eine Kamera mit einer nicht ausreichenden Bildqualität verwendet, kann auch die beste Software keine zuverlässige Auslesung der Codes erbringen.

Herkömmliche OCR-Anwendungen können bei der Arbeit mit solchen Herausforderungen versagen. Unternehmen benötigen jedoch Bildverarbeitungsprodukte, die sich dynamisch an solche Gegebenheiten anpassen und stets ein zuverlässiges Leseergebnis liefern. Zebra setzt bei OCR daher auf Deep Learning.

Beim Deep Learning (DL) handelt es sich um eine Unterkategorie von Machine Learning (ML) und basiert ebenso wie Letzteres auf Algorithmen. Bei dieser Methode der Datenverarbeitung werden die vorhandenen Datenmuster als komplexe und mehrschichtige Netzwerke modelliert. Das bedeutet: Das Netzwerk hat gelernt, Muster zu erkennen. Aufgrund seiner Komplexität und des deutlich beschleunigten Lernprozesses im Gegensatz zu Machine Learning wird Deep Learning in Hinsicht auf seine Funktionsweise mit einem tierischen Nervensystem verglichen. Deep Learning wird nicht nur in der Bild- und Texterkennung („Computer Vision“) erfolgreich eingesetzt, sondern auch im Bereich des „Natural Language Processing“ wie beispielsweise dem Google Translator. 

Zebra hat ein neues Deep Learning OCR-Tool entwickelt, mit dem das Trainieren von Schriftarten überflüssig werden soll. Das Ziel: zuverlässige, präzise Leseergebnisse auch ohne das Training zahlreicher verschiedener Texte oder Schriftarten.

Das von Zebra entwickelte Deep Learning OCR-Tool räumt Hindernisse wie oben beschrieben aus dem Weg. Zudem sind keine Kenntnisse in Programmierung erforderlich, um die Anwendung zu starten und am Laufen zu halten. Dies ermöglicht es Unternehmen, schnell neue, auf Deep Learning basierenden OCR-Anwendungen zu installieren und damit neue automatisierte Prozesse zu aktivieren.

Das Deep Learning OCR-Tool von Zebra Aurora kann für Systemintegratoren eine erhebliche Zeitersparnis bei der Einrichtung und Bereitstellung bedeuten, denn die Software erfordert keine Schriftartenschulung. Damit unterscheidet sie sich von den meisten OCR-Technologien, die nicht auf Deep Learning basieren. Diese benötigen Muster aller potenziellen OCR-Schriftarten und aller möglichen Variationen sowie ein Training damit. Aufgrund von Fehlern beim Bedrucken oder Aufbringen der zu lesenden Codes kann es nämlich zu Varianten von Buchstaben kommen. Dazu gehören:

• Schräg gedruckte Codes

• Gestauchte oder gedehnte Codes

• Verwischte Schrift

• Nur teilweise gedruckte Codes

Ein solches Training kann mehrere Monate in Anspruch nehmen. Mit den Deep Learning OCR-Tool von Zebra hingegen kann der Integrator den Scanner der Kamera einrichten – damit ist seine Arbeit getan. Nun können die Werksmitarbeiter mit der intuitiven Benutzeroberfläche arbeiten und die Verwendung des OCR-Tools beginnen. Da es benutzerfreundlich aufgebaut ist, lassen sich alle nötigen Anpassungen in einer intuitiven Drag-and-Drop-Oberfläche vornehmen.

Aufgrund der smarten und für den Endnutzer einfachen Bedienung verlassen wir uns bei der Implementierung von Automatisierungsprozessen mit OCR-Anwendung auf die Lösung von Zebra Technologies. Die stationären Scanner der FS-Serie lassen sich bis auf das kleinste Modell unkompliziert und mit geringem Aufwand zu OCR-fähigen Bildverarbeitungssystemen upgraden. Wenn Sie sich für diese Lösung interessieren, nehmen Sie gerne Kontakt zu uns auf und lassen Sie sich von uns in die Welt der optischen Zeichenerkennung einführen.

*Mit Ausnahme des FS10.