基于OCR技术的烟包出库信息比对系统开发

设计一套基于深度学习的文本检测比对系统,采用工业相机采集原产地烟包标签和物流入库条码标签的图像数据,利用OpenCV对图像进行预处理,提取标签位置并进行正畸和放大,利用PP-OCR超轻量级OCR系统对标签中的文字进行自动识别,并结合深度学习算法进行样本训练和逻辑匹配,实时检测出标签信息不符合的烟包,并触发剔除指令,将问题烟包移送至待检区。测试结果显示,该模型对烟包文本图像具有良好的识别效果,准确率达99.85%。在实际应用中,信息的实时识别准确率能保持99.97%,实现数据标签检查的自动化,降低检测人员的劳动强度,提高了生产线的自动化水平。

基于机器视觉的烟包传送带异物检测系统研究

在烟草工业企业中,开包作为制丝生产过程中的第一道工序为后续工序的连续正常生产起到了基本保障作用。烟包的外包装包括PV带、硬纸板、牛皮纸和塑料袋等,种类比较复杂。岗位可能存在残留的杂物会对下游工序生产诸多不良影响。研究基于机器视觉,采用阈值分割、拉普拉斯算子等方法,实现了对传送带上异物的自动检测,达到了90.24%的召回率。基于该方法,研究进一步设计了传送带异物检测报警系统,并制作了软件界面,提高了烟包开包工序的自动化水平,达到了预防下游工序堵料、提升物料纯净度、降低物料消耗的目的。