针对手写字符的单个包裹识别系统 - ECKELMANN

德国 WITT Weiden 邮购公司的仓库存储是自动包裹识别系统现代化的一个典型范例。必须通过 OCR 识别全球约 400 家供应商含手写字符的标准标签。识别率必须高于 96%。德国美因茨的 Eckelmann AG 基于 HALCON 开发了这项应用，完全适配现有环境和现有的专有库存控制系统。

货物通过卡车运输，只有三种标准尺寸包装。引导这些箱子通过几条登记传送带，对单个箱子进行自动称重、测量和识别。随后，将已确定的数据传输到专有仓库管理系统。箱子的识别和测量由一套成像系统执行，该系统在现代化过程中已被取代。挑战是通过写在标准化标签上的阿拉伯数字（物品编号、数量和尺寸）来识别箱子（图 1）。这意味着系统必须能够识别和分类打印、盖章及手写的数字。这种功能通常称为光学字符识别 (OCR)。每条生产线每天需要处理 5000 个包裹，每分钟约 40 个。选择所有组件时，应确保在出现工艺故障的情况下只需更换 PC 即可。由于硬盘备份是通过网络完成的，因此如有必要，可在一小时内轻松完成系统恢复。

成像软件基于 MVTec 的标准软件库 HALCON 8.0。应用构建在 HALCON 的集成开发环境 (HDevelop) 支持下进行。受长时间运输影响，标签经常污染或损坏。因此，标签定位和字符分割可能极其复杂。

手写字符分类一部分是通过使用不同方法进行多阶段处理，例如 HALCON 提供的支持向量机。Eckelmann 负责项目工程师 Arno Dewald 表示：“只有借助几个专门的 HALCON 8.0 属性才能实现我们计划的图像处理。”

在神经网络应用下对字符序列进行首次分类之后，在调整允许结果的总量时进行合理性检查。如有必要，则使用替代方法运行二次分类过程（特别是支持向量机，实践已证明其非常强大）。

此外，由机器视觉软件检测包裹尺寸。因为只允许三种不同的包裹，所以图像软件必须通过只检测包裹的一侧来确定大小。系统根据该数据来确定某一存储托盘和位置堆放的是两个小包裹还是一个大包裹。新应用的效果超出了 WITT 的所有预期。在一个月时间内进行的首次评估显示识别率为 100%。通过条理清晰的用户界面，可以直观地看到 OCR 过程以及整个设备的状态（图 2）。通过与仓库管理系统的数据交换进行不同的合理性检查。根据这项合理性检查，使用新打印的纯文字标签对包裹自动贴标（图 3）。