Das PEKAT VISION OCR-Modul wurde entwickelt, um einzelne Zeichen, Wörter und Symbole auf einer Vielzahl von Oberflächen präzise zu erkennen und zu extrahieren.
Ob flache, geprägte oder kaum sichtbare Texte – dieses Modul übertrifft die Leistung allgemeiner, vortrainierter OCR-Modelle.
Informationen von unterschiedlichen Oberflächen extrahieren
Deep Learning OCR
Das Modul ist trainierbar für spezielle Schriftarten und kann gedrehte oder schiefe Texte verarbeiten. Das PEKAT VISION OCR-Modul liefert hervorragende Ergebnisse selbst auf herausfordernden und variablen Oberflächen. Es eignet sich ideal zur Extraktion wichtiger Informationen wie gestempelter Teilenummern, Seriennummern, Chargencodes und mehr.
Funktionsweise des OCR-Moduls
Das PEKAT VISION OCR-Modul ist für industrielle Umgebungen entwickelt, in denen Standard-OCR-Tools an ihre Grenzen stoßen. Im Gegensatz zu generischen vortrainierten OCR-Systemen folgt es keinem „One-size-fits-all“-Ansatz. Stattdessen kombiniert es ein leistungsstarkes, industrielles Vortrainingsmodell mit einer anwendungsspezifischen Trainingsphase, um das System genau auf Ihre Anforderungen abzustimmen.
Das bedeutet, dass das Modul ohne Training nicht funktioniert, nach erfolgreichem Training jedoch eine unvergleichliche Genauigkeit bei der Erkennung anspruchsvoller Texte liefert, einschließlich benutzerdefinierter Schriftarten, verzerrter Zeichen und Markierungen auf gedrehten oder komplexen Hintergründen. Ob gestempelte Teilenummern, Seriennummern oder Chargencodes – PEKAT VISION OCR erfasst Ihre kritischen Daten zuverlässig und präzise.
Module für erweiterte Vision-Aufgaben kombinieren
Die einzelnen PEKAT VISION Module lassen sich nahtlos kombinieren und mit Skriptcode integrieren, um ein breites Spektrum an Vision-Aufgaben in der Fertigung zu lösen – alles innerhalb der benutzerfreundlichen PEKAT VISION Softwareoberfläche.
Nehmen Sie Kontakt auf
Benötigen Sie weitere Informationen? Lassen Sie es uns wissen, wir werden jede Ihrer Fragen beantworten.
PEKAT VISION is now part of Datalogic Group
