QUELLE GMBH 利用机器视觉技术加快包裹条形码的读取速度

Quelle GmbH（德国莱比锡）为德国民众提供公司邮购目录和网站上的消费品。为了加快每天 8 万个包裹的送达速度，Quelle 采用了一套结合了条形码读取和 OCR 的机器视觉系统，基于 Baumer Optronic GmbH（德国拉德贝格）的组件和 MVTec Software GmbH（德国慕尼黑）的软件搭建。

Quelle 使用多条传送带系统将包裹运送到仓库，存放在货架上。货物在运送给客户之前，会在仓库附近的其他建筑物中重新打包。

每件货物到达后，都必须先登记，然后通过传送带运送到货架上，这些货架作为缓冲区，上面存放着 200 多万个包裹。如果包裹没有正确登记，可能会在仓库内丢失。因此，每个包裹都必须用 Quelle 指定的标签进行可靠标记。标签不应超过 135 x 90 毫米，上面必须有 7 位数的产品编号、4 位数的数量说明和 6 位数的供应商编号，采用 Helvetica 或 Arial 字体，以黑色印刷，最小字体大小为 12 毫米。使用一个 EAN 128 条形码存储这些参数（图 1）。

送达后，对每个包裹进行测量、称重，贴上另一个称为 KID（纸箱标识号）的内部条形码标签。KID 是一个连续编号，在处理过程中贴在包裹上（图 2）。

包裹在传送带上运输期间，所有特定参数和包裹的相对位置由不同的条形码扫描仪记录（图 3），由一台 Siemens S5 SPC 关联到 KID。由于送达的包裹数量很大，这些任务无法由人工执行。而且，虽然大多数供应商都遵守标签准则，但有些包裹没有任何标签，有些使用的字体不正确，有些则是手写标记。还有一些标签被挤碎、弄皱或难以阅读（图 4）。这会导致条形码和 OCR 读取出现困难，无法通过机器视觉进行包裹识别。

为每个包裹贴上 KID 条形码之后，由位于传送带上方的条形码读取器读取供应商的 EAN 128 代码。运行期间，所有包裹中有 75% 可以通过这种方式读取。机器视觉系统可以提高 25% 的难以读取标签的识别率，以便自动读取剩余的包裹。通常，像 KID 这样的一维条形码可以轻松读取。然而，复杂的光学字符识别需要复杂的机器视觉技术。

为了在位于仓库入口处的 18 条平行传送带上配置机器视觉系统，使用由 Baumer Optronic（德国拉德贝格）智能 i-Cam 108 相机组成的网络。每台 Baumer i-Cam 108 均可提供支持 FPGA 的强大软件，确保本地实时稳定性。这一架构可以为灰度值图像中的标签检测和随后的高分辨率 OCR 读取保证计算能力。定位标签之后，搜索标签内的感兴趣区域 (ROI)，查找字体或代码。如果 EAN 128 供应商标签条形码读取的结果与 OCR 的结果相同，则任务完成，将包裹分类为已识别。

无需采取任何结构性调整措施，安装方便。整体灵活性通过更高级别的软件提供，只需一台 PC 即可从 TCPIP 网络内部访问。几个质量较差的样本就会导致整体读取性能受到限制，包括运输过程中的损坏、标签毁损或标签未采用指定字体，以及由于处理不当导致存在多个标签。为克服这一限制，并行使用了多个后续软件包。在一个投票算法中，对每个软件的结果进行估计以获得最大概率。这一过程在一台简单的 PC 上就可以实现，因为 i-Cam 已经提供了正确的标签位置，从而将计算时间缩短到无关紧要的长度。