理解一维和二维条码的机器视觉验证

当自动化供应链依赖数据准确性来确保全球运营的可靠表现时，清晰、准确的条形码从未像今天这样重要。机器视觉验证是一种工具，可用于确保条形码在自动化过程中达到一致的可读性质量水平，并在错误代码导致代价高昂的失败之前被识别出来。本白皮书介绍了一维和二维条码的验证，并根据已发布的标准确定验证代码的参数。

• 为什么验证?
• 你什么时候应该验证？
• 验证与验证
• 需要什么样的解决方案?
• 验证评估参数
• 验证等级
• 使用autovision验证^TM

为什么验证?
条码质量是自动化系统成功的关键。在一个过程中，高质量的条形码准确地存储和通信数据-从代码到阅读器到中央系统-很少需要人工干预。多亏了高质量的条形码，自动化系统的独特优势得以实现:成本更低，生产率更高，错误更少。然而，低质量的条形码使得系统几乎和不使用自动化一样低效。不可读的条形码可能需要重新贴标签、重新扫描，甚至需要人工输入关键信息——这扰乱了过程的生产力，造成了大量的时间损失。错误的条形码可能会阻止错误跟踪，导致一系列故障的多米诺骨牌效应，并导致昂贵的报废和返工。总之，这些影响完全抵消了实现自动化系统的好处，结果是成本膨胀、生产力损失和错误增加。

条码验证的目的是防止这种结果，并保留自动化系统的预期好处。验证系统使用条码验证器或机器视觉系统等精密仪器，根据已发布的一维和二维条码质量标准来评估条码的质量。验证条形码确保一致的可读性，支持100%准确的自动数据捕获。

你什么时候应该验证？
为了确保在自动化系统中尽可能早地防止错误，必须在部件进入系统之前进行验证。在零件被标记或贴上条码之后，在零件到达第一次读取条码的工位之前，应进行验证步骤。

尽管标记和标签系统会随着时间的推移而退化，但适当的验证可以确保每个部件都以高质量的条码进行加工和运输。验证系统比标准的条形码阅读器更准确，可以在生产过程的早期，即劣质条码产品通过生产线运往终端客户之前，识别出低质量的条码。当条形码质量退化被早期识别时，标记或标签系统可能会在无法读取的条形码产生之前进行调整或更换。

验证/过程控制: 基础智能相机 视觉系统与适应性软件定制验证	验证:C-Mount智能摄像头视觉系统与外部照明和基于标准的验证软件

高质量的象征:

参数	描述	例子	ISO 15416.
Decodability	按照参考解码算法的粘性		√
缺陷	酒吧中的空隙或空间中的斑点		√
边缘决定	使用全局阈值检测所有的条形图和空格		√
最小边的对比	任何条形/空间组合的最小反射差异		√
最小反射率	最黑暗的酒吧和最轻的空间的反射率		√
调制	符号中的宽和窄元素之间的关系		√
象征的对比	最黑暗的栏和最轻的空间之间的反射率差异		√
安静区域	安静区域的大小		√

高质量的象征:

参数	描述	例子	ISO 15415.	目标数据处理机
轴向不均匀性	沿符号的主要轴的偏差量		√	√
象征的对比	光和暗象征元素之间的反射率差异		√
细胞的对比	明暗符号元素之间的灰度值差异			√
调制	光和深符号元素的反射率差异		√
细胞调制	符号元素灰度值的偏差			√
Decodability	按照参考解码算法的粘性		√	√
固定模式的伤害	对安静区、查找器图案或时钟图案的破坏		√	√
网格不均匀	网格交叉口的偏差量		√	√
最小反射率	光线元素的最小反射率			√
反射边缘	与全局阈值相比，每个模块正确区分的程度		√
未使用的错误纠正	剩余的纠错可用		√	√
印刷增长	元素尺寸的变化可能阻碍可读性		仅供参考

Microscan机器视觉软件为文本质量验证(光学字符验证或OCV)和条码质量验证提供了强大的工具。通过其直观的用户界面，AutoVISION可以方便地设置离线验证和生产中产品的在线验证。使用AutoVISION和高性能的智能摄像头和照明，您可以建立一个完整的验证系统，以确定条码质量的过程控制和真正的条码验证，包括符合三个公布的条码质量标准:

验证评估参数在Autovision Symbol质量验证工具中调整到级条形码以进行内部过程控制。