OCR de visión artificial: lectura de marcas de piezas sin datos de entrenamiento

La lectura de caracteres es la única tarea de inspección en la que el enfoque de IA elimina trabajo en lugar de añadirlo. Todo otro tipo de inspección con IA empieza recopilando y etiquetando imágenes de sus piezas. El OCR no. El modelo llega ya sabiendo cómo son las letras y los números, porque las letras y los números son iguales en su línea que en cualquier otro lugar.

Ese único hecho cambia el plan del proyecto más de lo que cambia la tecnología. Esto es lo que significa en la práctica, y lo que no resuelve.

Por qué el OCR no necesita imágenes de entrenamiento

A un modelo de clasificación o segmentación hay que enseñarle sus piezas específicas, porque un rayón en su pieza fundida no se parece en nada a un rayón en la extrusión de otra persona. El modelo no tiene una noción previa de ninguno de los dos.

El texto es distinto. Las formas de los glifos son las mismas en todas las industrias, así que un modelo entrenado una sola vez con un enorme volumen de texto se transfiere directamente. En el OV80i, el bloque de OCR se describe en el propio producto como capaz de reconocer "texto impreso, números de serie y otro texto alfanumérico sin necesidad de datos de entrenamiento". Usted dibuja una región donde aparece el texto, y el sistema lee lo que hay dentro.

La consecuencia práctica es que el OCR se salta los dos pasos que dominan el cronograma de un proyecto de visión normal. No hay campaña de recopilación de imágenes ni etiquetado. Una lectura que habría requerido dos semanas de recopilación de muestras se convierte en una región dibujada en una tarde.

En qué se diferencia del OCR clásico

La lectura de caracteres en la visión artificial tradicional funciona mediante comparación de plantillas. Se entrena el sistema con la forma de cada carácter en su fuente y tamaño específicos, y este compara las regiones candidatas contra esa biblioteca. Es rápido, determinista y completamente rígido.

La rigidez no es un problema hasta que algo cambia. Un nuevo proveedor estampa una fuente ligeramente distinta. El troquel se desgasta y los trazos de los caracteres se adelgazan. Una pieza llega rotada unos grados. Cada uno de estos casos exige reentrenar la biblioteca de plantillas o produce una lectura errónea, y las lecturas erróneas en un control de trazabilidad salen caras, porque la pieza queda registrada como algo que no es.

La última fila importa. Si está leyendo caracteres nítidos de inyección de tinta en una fuente fija sobre una etiqueta plana, el OCR clásico lleva treinta años resolviendo ese problema y no hay motivo para cambiar. El OCR de IA se gana su lugar en las marcas complicadas: caracteres fundidos en metal, grabados con láser sobre una superficie especular, marcados por punzonado o impresos sobre un sustrato curvo o texturizado.

La iluminación sigue decidiendo el resultado

Eliminar el requisito de datos de entrenamiento no elimina la física. El modelo solo puede leer el contraste que existe en la imagen, y en una marca en relieve o grabada no hay diferencia de color con la que trabajar. Los caracteres y la superficie son el mismo material. Lo único que tiene es la topografía.

Eso convierte la geometría de iluminación en el factor decisivo. Una luz difusa borra por completo una marca grabada, porque llena las hendiduras de los caracteres de manera tan uniforme como la superficie que los rodea. Una disposición direccional o de campo oscuro roza la superficie y convierte cada borde de carácter en una sombra, que es el contraste que el modelo puede utilizar. Nuestra guía sobre iluminación en visión artificial explica las seis geometrías y cómo elegir una según la característica que necesita ver.

La resolución es la segunda restricción. Una regla general que funciona bien es apuntar a al menos veinte píxeles de altura para el carácter más pequeño. Por debajo de eso, el detalle de los trazos empieza a perderse y la distinción entre glifos similares, un ocho frente a un seis o un cinco frente a una S, se vuelve poco fiable. Nuestras calculadoras de óptica convierten una altura de carácter y una distancia de trabajo en el campo de visión y el objetivo que la hacen posible.

El ajuste, y los dos parámetros que importan

Una región de OCR en el OV80i expone los parámetros de detección en lenguaje sencillo, en lugar de umbrales que hay que deducir por ingeniería inversa. Dos de ellos hacen la mayor parte del trabajo.

Ambos se ajustan sobre video en vivo o sobre imágenes capturadas, lo cual importa más de lo que parece. No está adivinando un número y esperando a la siguiente tanda de producción para ver el efecto. Cambia el parámetro y observa cómo se mueven los cuadros de detección.

Convertir una lectura en un veredicto

Leer el texto es solo la mitad de la inspección. La otra mitad consiste en decidir si lo leído es correcto, y eso depende por completo de para qué sirve la estación.

1. Presence. ¿Hay siquiera una marca? Es la comprobación más económica y común, y detecta la pieza en blanco que se saltó la estación de marcado.
2. Comparación con un valor fijo. ¿El texto detectado incluye la cadena esperada? La etiqueta correcta en el producto correcto.
3. Comparación con un valor en tiempo real. ¿La lectura coincide con el número de pieza que el PLC indica que está en producción? Esta es la comprobación que detecta un error de cambio de producción, y necesita que el valor esperado llegue desde la línea en lugar de escribirse en una receta.
4. Validación de formato. ¿El código de fecha corresponde a una fecha plausible, tiene el número de serie la longitud y el conjunto de caracteres correctos? Detecta una impresión parcial o corrida que aun así se lee como algo.

El tercero es donde la lectura de caracteres deja de ser una comprobación superficial y se convierte en un control de trazabilidad. También requiere que la cámara se comunique con el PLC en ambas direcciones, recibiendo el valor esperado y devolviendo la lectura. En el OV80i, ese intercambio ocurre a través de EtherNet/IP o PROFINET sin necesidad de un PC de enlace intermedio, algo que conviene saber en la etapa de cotización, porque un PC industrial independiente suele ser la partida más costosa en una propuesta de lectura de caracteres.

Dónde encaja, y dónde no

Conviene tener claro un límite. El OCR de IA lee texto. No es una herramienta de inspección de marcas de propósito general, y no evaluará la calidad de impresión como lo haría un estándar de calidad de impresión. Si su necesidad es calificar un código de barras o puntuar el contraste y la nitidez de los bordes de un código impreso, ese es un instrumento distinto.

En lo que sí destaca es en el trabajo cotidiano de trazabilidad que existe en casi todas las líneas y que rara vez se automatiza, porque la versión clásica resultaba demasiado frágil para justificarlo. Verificación de números de serie, confirmación de códigos de fecha y lote, validación de etiquetas contra la orden de producción en curso, e identificación de piezas fundidas o grabadas en componentes que antes revisaba un operario con una linterna.

Una nota práctica sobre el alcance: la lectura de caracteres normalmente comparte una estación con otras comprobaciones, en lugar de tener una para sí sola. La misma captura que lee un número de pieza también puede confirmar que un conector está bien asentado y que hay un clip presente, porque un sistema de visión con IA puede ejecutar varios modelos de inspección sobre una sola imagen. Leer la marca suele ser lo más económico que se añade a una estación que de todos modos ya se estaba construyendo.