Sistema de visão computacional aplicado na indústria: inspeção de data e lote com OCR

Abstract

Este trabalho apresenta o desenvolvimento de um protótipo de sistema de visão computacional para a automação da inspeção de códigos de data de validade e número de lote em embalagens industriais, visando a conformidade com a ANVISA. O objetivo geral foi projetar e validar um sistema capaz de realizar a leitura e validação automática de caracteres utilizando técnicas de pré-processamento e reconhecimento óptico de caracteres (OCR). A metodologia empregada envolveu o uso da plataforma Raspberry Pi 5, integrada a uma câmera USB, iluminação e sensores de disparo (trigger) fotoelétricos sincronizados por meio de uma placa de interface de entrada e saída isolada desenvolvida para o projeto. No desenvolvimento do software, utilizouse a linguagem Python e a biblioteca OpenCV para a implementação de uma pipeline de pré-processamento que incluiu filtros de mediana, binarização pelo método de Otsu e operações morfológicas de fechamento, abertura e erosão para a normalização das imagens. O estudo realizou uma análise comparativa entre os algoritmos de OCR Tesseract e EasyOCR, além de implementar um treinamento incremental do motor neural do Tesseract especificamente para fontes matriciais (dot-matrix) utilizando a ferramenta tesstrain. Os resultados demonstraram que o Tesseract, após o treinamento específico e o pré-processamento adequado, atingiu 100% de assertividade em fontes matriciais inicialmente ilegíveis, operando com uma eficiência temporal aproximadamente dez vezes superior ao EasyOCR no hardware embarcado. Identificou-se, contudo, que as limitações do sensor rolling shutter causam distorções geométricas em capturas de alta velocidade, sugerindo a adoção de sensores global shutter para tais cenários. Conclui-se que a solução proposta é tecnicamente viável e eficaz para a inspeção em tempo real, validando o uso de ferramentas de software livre para fortalecer a confiabilidade operacional e a rastreabilidade na indústria.

This work presents the development of a prototype computer vision system for automating the inspection of expiration date and batch number codes on industrial packaging, ensuring compliance with ANVISA (Brazilian Health Regulatory Agency) standards. The overall objective was to design and validate a system capable of automatically reading and validating characters using preprocessing techniques and optical character recognition (OCR). The methodology employed involved the use of the Raspberry Pi 5 platform, integrated with a USB camera, lighting, and photoelectric trigger sensors synchronized through an isolated input/output interface board developed for the project. The software development utilized the Python language and the OpenCV library to implement a preprocessing pipeline that included median filters, binarization using the Otsu method, and morphological operations of closure, opening, and destruction for image normalization. This study conducted a comparative analysis between the Tesseract and EasyOCR OCR algorithms, and implemented incremental training of the Tesseract neural engine specifically for raster (point matrix) sources using the tesstrain tool. The results demonstrated that Tesseract, after specific training and appropriate preprocessing, achieved 100% accuracy on initially illegible raster sources, operating with a temporal efficiency approximately ten times greater than EasyOCR on embedded hardware. However, we identified that the limitations of the rolling shutter sensor cause geometric distortions in high-speed captures, suggesting the adoption of global rolling shutter sensor for such scenarios. We conclude that the solution is a viable and effective technique for real-time inspection, validating the use of open-source software tools to strengthen operational reliability and traceability in the industry.