Bisherige OCR-Systeme erfordern meist lange Vorbereitungszeiten, kommen oft schlecht mit schwankenden Umweltbedingungen zurecht (wechselnde Lichtverhältnisse,…) und stoßen schnell an ihre Grenzen, wenn sie mit undeutlichen, beschädigten oder geprägten Zeichen konfrontiert werden. Alle diese Einschränkungen erschweren bisher den zuverlässigen, zeit- und kosteneffizienten Einsatz von OCR in der Industrie. Die Anwendung von Deep Learning in der optischen Zeichenerkennung stellt hier einen Paradigmenwechsel dar. Die Zahl der möglichen Anwendungsfälle steigt deutlich, weil die genannten Einschränkungen für Deep Learning OCR nicht gelten. Neuronale Netzwerke bewältigen schwierigste Leseprozesse, da sie sich anhand von Tausenden von Bildbeispielen selbst verbessern. Daher erreichen OCR-Systeme mit Deep Learning auch unter schwierigen Bedingungen eine viel höhere Genauigkeit in der Zeichenerkennung als traditionelle OCR-Systeme.
Kundenbeispiele von Zebra Technologies zeigen, wie eine solche Deep-Learning-OCR-Technologie Herstellern und Maschinenbauern helfen kann, ihre Automatisierungsprozesse weiter zu verbessern: Deep Learning OCR ist ein Teil von Zebras Aurora-Software-Suite, die speziell für die Fertigungs- und Maschinenbauindustrie entwickelt wurde. Ihre Anwendung erfordert keine KI-Erfahrung und funktioniert auf verschiedenen Plattformen wie Desktop-PCs (Windows, Linux oder Linux ARM Embedded), Android-Handheld-Geräten und Zebra-Smart-Kameras. Die Deep Learning OCR der Aurora-Suite bietet von Anfang an eine hohe Genauigkeit und ermöglicht es Anwendern, die typischen Probleme traditioneller OCR-Systeme zu überwinden. Denn dank ihres neuronalen Netzes kann sie Zeichen in verschiedensten Zuständen und unter wechselnden Lichtbedingungen erkennen und sicherstellen, dass Informationen korrekt und zuverlässig erfasst werden – selbst in sehr anspruchsvollen industriellen Umgebungen. Es wird spannend zu beobachten sein, wie diese Technologie die Fertigungsindustrie in den nächsten Jahren verändert.
