Desenvolvimento de um sistema de reconhecimento de caracteres para calibração de trenas a laser

Abstract

Este trabalho apresenta a proposta de um sistema que utiliza técnicas de visão computacional, processamento de imagens e técnicas de reconhecimento de caracteres para otimização de um processo de calibração de trenas a laser. Visando o entendimento do processo a ser otimizado, a primeira parte do trabalho apresenta o procedimento de calibração. O sistema é desenvolvido com a linguagem de programação Python utilizando bibliotecas como OpenCV na captura, processamento e segmentação das imagens adquiridas do display das trenas a serem calibradas e Tkinter para elaboração da interface gráfica. A etapa de reconhecimento dos caracteres constitui-se da utilização dos algoritmos SSOCR E OCR, porém outras técnicas como algoritmo KNN e AutoML Vision são apresentados como possíveis soluções para a detecção e o reconhecimento dos caracteres. Os resultados demonstram o porquê da escolha dos algoritmos SSOCR e OCR e que, mesmo possuindo limitações, através de correções e restrições conseguem alcançar uma precisão de até 97% no processo de reconhecimento. Além disso, apresentam que o tempo de operação para o procedimento de calibração utilizando o sistema desenvolvido reduziu em mais de 50% comparando ao procedimento feito manualmente.This paper presents the proposal of a system that uses computational vision techniques, image processing and character recognition techniques to optimize a laser tape calibration process. For a better understanding the process to be optimized, the first part of the work presents the calibration procedure. The system is developed with the Python programming language using libraries such as OpenCV in capturing, processing and segmenting of images acquired from the display of the trenas to be calibrated and Tkinter to elaborate the graphical interface. The character recognition step consists of not only using the SSOCR and OCR algorithms, but other techniques such as KNN algorithm and AutoML Vision are presented as possible solutions for character detection and recognition. The results demonstrate why the choice of SSOCR and OCR algorithms and that, through corrections and restrictions can achieve an accuracy of up to 97% in the recognition process. The operating time using the developed system was reduce by more than 50% comparing to the manually procedure.