OCR Texterkennung – Lückenlose Fehlererkennung und einwandfreie Lesbarkeit

Um den Aufwand der textuellen Fehlererkennung in einer Fertigung zu automatisieren, Fehlerraten zu reduzieren und eine zuverlässige Lösung bereitstellen zu können entwickelte elunic mit Hilfe von AI.SEE™ ein System zur automatischen und lückenlosen Texterkennung.

Mehr zum Showcase

Hintergrund

Optische Eingabegeräte, wie beispielsweise Scanner, erzeugen beim Einlesen einer Textseite eine Pixelgrafik. Was bedeutet, dass diese nicht die dargestellten Buchstaben als solche erkennen, sondern lediglich in Spalten und Zeilen angeordnete Punkte in unterschiedlicher Färbung. Die Erkennung von herkömmlichen Schriftzeichen – in Abgrenzung zu eigens zu OCR-Zwecken entwickelter Schrift – ist komplexer und bedarf einer Software, schnell und ohne großen Rechenaufwand die einzelnen Zeichen von einander unterscheidet, erkennt und korrekt wiedergibt bzw. auf Fehlerfreiheit prüft. Die Prüfung durch den Menschen kann das nicht abbilden.

Texterkennung wird auch optische Zeichenerkennung oder OCR (optical character recognition) genannt. In der IT wird darunter die automatisierte Texterkennung innerhalb von Bildern verstanden.

Nicht nur die Fertigung muss automatisiert werden, um wettbewerbsfähig zu bleiben, sondern auch die Qualitätssicherung. Einwandfreie Texte sind in der Industrie von großer Bedeutung (zum Beispieel bei der Blisterinspektion in der Pharmaindustrie), denn Fehler lassen nicht nur das Produkt minderwertig erscheinen sondern können auch Fehlinterpretationen verursachen. Durch teilweise oder komplette Unleserlichkeit können dem Anwender wichtige Informationen vorenthalten werden und somit Sicherheitslücken und/oder rechtliche Probleme entstehen. Zudem ist eine besonders schnelle und zuverlässige Fehlererkennung entscheidend, um effizient produzieren zu können.

Ziele

• Zuverlässige Unterscheidung und Erkennung von Buchstaben.
• Korrekte Wiedergabe bzw. Prüfung auf Fehlerfreiheit von Texten.
• Erkennung unterschiedlicher Schriftarten.
• Unmissverständlichkeit sicherstellen und Vermeidung von Sicherheitslücken.
• Reduzierung von Ausschuss, weniger Ausfallzeiten und konsequente Aussortierung.
• Protokollierte 100%-Kontrolle.
• Effiziente Abläufe und schnelle Prüfzeiten.

Lösung

• Erstellung einer Anwendung, die jedes Objekt und den darauf befindlichen Text scannt.
• Zuführung unmissverständlicher Trainingsdaten, anhand derer die Ausschusskriterien erlernt werden.
• Ein adaptiv lernfähiges Modell, das sich ständig weiterentwickelt.
• Korrektur der OCR-Ergebnisse durch Analyse des Kontexts (Intelligent Character Recognition).
• Zeilenweise Texterkennung mittels neuronaler Netze (anstatt klassischer zeichenweiser Texterkennung) für noch kürzere Prüfzeiten.
• Umfangreiche Datensammlung und -analyse, damit eine Rückverfolgung möglich ist und Maßnahmen ergriffen werden können (es werden z.B. fehleranfällige Stellen gefunden und beseitigt).
• Implementierbare Echtzeit-Überwachung in das bestehende System.
• Abrufbar von jedem Endgerät und Datensammlung in der Cloud.