Daug prietaisų rezultatą rodo tik ekrane. Kai tokių rodmenų reikia iš daugelio prietaisų vienu metu ir dažnai, rankiniai užrašai tampa silpniausia grandimi. Pramoninės kameros gali nuskaityti ekranus automatiškai ir perduoti skaičius tiesiai į lentelę. Toliau – kaip tai veikia ir kaip įgyvendinome ekranų nuskaitymą vandens skaitiklių patikros stende.
Kodėl ne rankiniai užrašai
- Greitis. Žmogus negali kas sekundę užrašyti kelių prietaisų rodmenų, o kamera gali.
- Klaidos. Perrašant skaičius atsiranda klaidų: sukeisti skaitmenys, praleista eilutė, ne to prietaiso rodmuo.
- Susiejimas. Kiekvienas rodmuo automatiškai priskiriamas konkrečiam prietaisui ir laiko momentui.
- Operatoriaus laikas. Operatorius prižiūri procesą, o ne sėdi su bloknotu.
- Atsekamumas. Rezultatai iškart atsiduria lentelėje, todėl juos lengva peržiūrėti, palyginti ir archyvuoti.
Kodėl LCD ekranų OCR nėra paprastas
OCR pramonėje skiriasi nuo dokumentų skenavimo. LCD ekranai turi savų sunkumų:
- segmentiniai simboliai, kuriuos standartiniai OCR įrankiai atpažįsta prastai;
- atspindžiai nuo ekrano stiklo ir kontrastas, kuris priklauso nuo žiūrėjimo kampo;
- rodmenys keičiasi – kadras gali pagauti persijungimo momentą;
- ekrane yra ne tik skaičiai, bet ir būsenos piktogramos, kurias taip pat reikia atpažinti ir įvertinti.
Todėl svarbu viskas kartu: kameros ir objektyvo parinkimas, kameros padėtis, apšvietimas ir atpažinimo modelis, apmokytas būtent tokiems ekranams. Apie kamerų pasirinkimą – straipsnyje pramoninės kameros.
Atvejis: vandens skaitiklių patikra metrologijos stende
Metrologijos bandymų stende virš skaitiklių sumontuotos 4 Basler dart USB3 kameros. Jos kartą per sekundę nuskaito kiekvieno vandens skaitiklio LCD ekraną. Sistema veikia gamyboje.
- Kas nuskaitoma. Tūris, debitas ir būsenos piktogramos: vožtuvo, radijo ryšio, nuotėkio, baterijos.
- Identifikavimas. Kiekvienas skaitiklis atpažįstamas pagal jo QR kodą, todėl rodmuo visada priskiriamas teisingam prietaisui.
- Palyginimas. Nuskaityti rodmenys lyginami su etaloniniais.
- Rezultatai. Duomenys įrašomi į lentelę (Excel).
- Programinė įranga. Python, OpenCV ir pypylon (Basler kamerų biblioteka). Simboliams atpažinti naudojamas mūsų apmokytas CNN modelis. Ankstesnė sistemos versija veikė su Aurora Vision (Adaptive Vision) Studio.
- Operatoriaus pultas. Žiniatinklio HMI (Node.js). Pultas, skirtas 12 skaitiklių, priimtas 2026 m. spalį.
- Mechanika. Kameroms naudojami 3D spausdinti korpusai.
Svarbu, kad sistema nuskaito ne vieną skaitiklį, o kiekvieną stende esantį skaitiklį. Kiekvienas rodmuo susiejamas su konkrečiu skaitikliu pagal QR kodą, todėl operatoriui nereikia rankiniu būdu derinti, kuris įrašas kuriam prietaisui priklauso. Būsenos piktogramos tikrinamos kartu su skaičiais: patikra apima ne tik tūrį ir debitą, bet ir tai, ką prietaisas praneša apie savo būklę.
Kas yra CNN simbolių atpažinimas
CNN (konvoliucinis neuroninis tinklas) – neuroninių tinklų vaizdams tipas, kuris mokosi iš pavyzdžių. Užuot rankiniu būdu aprašius, kaip atrodo kiekvienas segmentinis skaitmuo, modelis apmokomas iš daugybės realių ekrano nuotraukų su teisingais atsakymais. Toks modelis pritaikomas konkrečiam ekrano tipui, šriftui ir piktogramoms. Pasikeitus prietaiso modeliui, jį galima papildomai apmokyti naujais pavyzdžiais, nekeičiant visos sistemos.
Kaip vyksta toks projektas
- Bandymas su realiais prietaisais. Nufotografuojame jūsų ekranus realiomis sąlygomis: su tikru apšvietimu, atstumu ir kampu.
- Kamerų ir apšvietimo parinkimas. Skaičiuojame, kiek prietaisų gali matyti viena kamera ir kokios raiškos reikia.
- Atpažinimo modelis. Paruošiame ir apmokome simbolių bei piktogramų atpažinimą jūsų ekranams.
- Integracija. Rezultatai keliauja į lentelę, duomenų bazę ar PLC, o operatorius mato juos pulte.
- Paleidimas ir patikra. Rodmenis palyginame su rankiniais ar etaloniniais, kol operatorius įsitikina, kad sistema skaito teisingai.
Kur dar tinka ekranų nuskaitymas
Skaitiklių patikra – tik vienas pavyzdys. Ekranų nuskaitymas tinka ten, kur prietaiso rezultatas matomas tik ekrane, o prijungti jį per duomenų sąsają neįmanoma, per brangu ar užtruktų per ilgai. Dažnai tai senesnė įranga, bandymų stendai ir patikros operacijos, kuriose vienu metu tikrinama daug vienodų prietaisų. Platesnis kontekstas – straipsnyje kokybės kontrolė mašininiu matymu, o apie neuroninių tinklų taikymą vaizdams – AI segmentavimas gamyboje.
Ekranų nuskaitymo ir skaitiklių patikros projektus pradedame nuo bandymo su jūsų realiais prietaisais. Daugiau – mašininio matymo ir dirbtinio intelekto paslaugose bei projektuose. Turite stendą, kuriame rodmenys vis dar užrašomi ranka? Susisiekite.