标签光学字符识别(OCR)视觉检测
光学字符识别(OCR)视觉系统并不被传统地认为是快速、灵活或可维护的。今天的系统是不同的，所以当一个世界范围内，谷物和零食产品的顶级制造商要求EPIC机器视觉系统(EPIC;美国密苏里州圣路易斯;通过安装一个，视觉系统集成商对它的方法很有信心。
在食品制造工厂，系统需要从传送器中剔除带有错误打印数据代码的包装食品。虽然以前的系统运行还算正常，但它已经陈旧，原始软件开发的升级换代也无法得到支持。该制造商正字寻求对原来的系统进行全面的更新，以满足新的质量标准和食品行业安全标准，并改善整体OCR流程。设计团队从前端工程方法开始，该方法涉及从多个库存单元(SKU)、打印机和打印格式收集数万张正在处理的在线图像，用于测试。
OCR视觉系统由设计开发，用于检测食品包装上的字母数字代码。
每分钟检查1200个零件的速度只能提供50毫秒/零件的连续检查时间。一次读取尝试的平均检查时间刚好低于这个值，为40 ms。建议进行三次读取尝试/检查，以增强系统的健壮性。检测周期超过100毫秒，早期检测时甚至高达286毫秒。为了克服这些困难，vision系统不得不依赖多线程架构特性(MIL sdk支持的一个关键特性)。多线程是并行处理的同义词，是计算机可以同时执行多个进程的功能。
机器视觉系统—通过mil—还可以接收和缓冲图像，以便在队列中进行处理，并让多个线程并行处理这些图像。虽然多线程体系结构在满足高处理速率方面工作得很好，但这要求视觉系统跟踪被检查的部件，以便根据可能更长的检查时间正确地拒绝失败的部件。
