KI-GESTÜTZTE DOKUMENTATION
Was möchten Sie wissen?
OCR (Optical Character Recognition)
Der OV80i kann gedruckten Text, Seriennummern, Datumscodes und andere alphanumerische Zeichen direkt aus den Kamerabildern mithilfe eines vortrainierten OCR-Modells lesen. Im Gegensatz zu Classifiern und Segmentern benötigt OCR keine Trainingsdaten. Es funktioniert sofort einsatzbereit.
OCR ist nützlich, wenn Sie:
- Seriennummern oder Chargencodes mit erwarteten Werten abgleichen möchten
- Prüfen möchten, ob Etiketten vorhanden und lesbar sind
- Datums-/Verfallscodes zur Rückverfolgbarkeit lesen möchten
- Teilenummern auf Komponenten während der Montage prüfen möchten
OCR ist ausschließlich auf dem OV80i verfügbar. Der OV20i und der OV10i unterstützen kein OCR.
Funktionsweise von OCR
Der OV80i verwendet eine zweistufige KI-Pipeline zur Texterkennung:
- Text Detection: Ermittelt die Position des Textes innerhalb der ROI. Gibt Bounding Boxes um jedes erkannte Wort bzw. jede Textregion zurück.
- Text Recognition: Liest die Zeichen innerhalb jeder erkannten Bounding Box und gibt die Textzeichenkette zusammen mit einem Confidence Score zurück.
Dieser gesamte Prozess läuft auf der NVIDIA Jetson Orin NX GPU der Kamera. Eine Cloud-Verbindung ist nicht erforderlich.
Das Modell erkennt einen breiten Zeichensatz, darunter:
- Ziffern (0–9)
- Lateinische Buchstaben (A–Z, a–z, akzentuierte Zeichen)
- Gängige Satzzeichen und Symbole
- Griechische Buchstaben
- Währungssymbole
- Mathematische Operatoren
Der Zeichensatz ist fest vorgegeben und kann nicht angepasst werden. Das Modell unterstützt etwa 480 Zeichen und deckt damit die meisten gedruckten Industrietexte in lateinbasierten Sprachen ab.
Voraussetzungen
Bevor Sie OCR einrichten, benötigen Sie eine Kamera, die:
- Physisch montiert und stabil ist
- Mit Ihrem Netzwerk verbunden und im Browser erreichbar ist
- Auf das Teil mit dem zu lesenden Text fokussiert ist
Falls Sie dies noch nicht erledigt haben, folgen Sie zunächst den Einstiegsanleitungen:
Schritt 1: Ein neues Rezept erstellen
Jede Inspektion beginnt mit einem Rezept. Ein Rezept ist ein vollständiges Paket: Bildeinstellungen, Ausrichtung, Regions of Interest (ROIs), KI-Modelle und Ausgaberegeln.
- Navigieren Sie in der linken Seitenleiste zu All Recipes
- Klicken Sie oben rechts auf + New
- Geben Sie Ihrem Rezept einen aussagekräftigen Namen (z. B. „Serial Number Check", „Label Verification")
- Klicken Sie auf Activate, um es zum aktiven Rezept zu machen, und klicken Sie anschließend auf Edit, um den Recipe Editor zu öffnen

Der Recipe Editor zeigt die vollständige Inspection Pipeline. Sie arbeiten sie von links nach rechts durch:
- Imaging Setup (Kameraeinstellungen)
- Image Alignment & Inspection Setup (Template, ROIs)
- AI Blocks (Classification, Segmentation, OCR, Measurement)
- Set Pass/Fail & IO Logic (Ausgaberegeln)
Eine detaillierte Anleitung zur Rezepterstellung finden Sie unter Erste Inspektion erstellen.
Schritt 2: Bildeinstellungen konfigurieren
Eine gute Bildqualität ist die Grundlage für eine genaue OCR. Der Text muss mit starkem Kontrast klar sichtbar sein.
- Klicken Sie auf Configure Imaging oder navigieren Sie zum Tab Imaging Setup
- Passen Sie die folgenden Einstellungen an und beobachten Sie dabei die Live-Vorschau:
| Einstellung | Ziel für OCR |
|---|---|
| Exposure | Hell genug, um den gesamten Text klar zu erkennen. Zu dunkel und die Zeichen verschwinden im Hintergrund. Zu hell und weiße Etiketten werden überbelichtet. |
| Gain | So niedrig wie möglich halten. Hoher Gain erzeugt Rauschen, das für den Detektor wie Textartefakte aussieht. |
| Gamma | So einstellen, dass der Kontrast zwischen Text und Hintergrund verbessert wird. |
| Focus | Der Text muss scharf sein. Wenn Zeichen unscharf oder verschwommen aussehen, justieren Sie den Fokusring des C-Mount-Objektivs. |
Die OCR-Genauigkeit hängt stark von der Bildqualität ab. Der Text muss im Kamerabild klar sichtbar sein und einen guten Kontrast zum Hintergrund aufweisen. Dunkler Text auf hellem Hintergrund oder heller Text auf dunklem Hintergrund funktionieren beide gut. Vermeiden Sie:
- Ungleichmäßige Beleuchtung, die Schatten über die Zeichen wirft
- Reflexionen auf glänzenden Etiketten
- Unterbelichtung, die den Text schwer vom Hintergrund unterscheidbar macht
Zoomen Sie in der Live-Vorschau auf den Textbereich. Können Sie jedes Zeichen deutlich lesen? Wenn Sie es nicht lesen können, kann es die KI auch nicht.
Eine detaillierte Anleitung zu allen Bildeinstellungen finden Sie unter Image Settings.
Schritt 3: Template-Ausrichtung einrichten
Die Template-Ausrichtung teilt der Kamera mit, wie sie die Position und Orientierung Ihres Teils verfolgen soll. Dies ist essenziell, da Teile nicht immer an exakt derselben Stelle auf dem Förderband oder in der Vorrichtung landen.
- Navigieren Sie zur Registerkarte Template Image and Alignment
- Platzieren Sie Ihr Teil im Sichtfeld der Kamera
- Klicken Sie auf Capture Template, um ein Referenzbild aufzunehmen
- Zeichnen Sie 2–3 kleine Template-Regionen auf Merkmale, die immer vorhanden und leicht zu identifizieren sind (z. B. Ecken, Logos, Montagelöcher)
Platzieren Sie Template-Regionen so weit wie möglich voneinander entfernt auf dem Teil. Dies reduziert das Winkeljitter in der Ausrichtung drastisch. Zwei nahe beieinander liegende Regionen bieten eine schlechte Rotationsstabilität; zwei Regionen an gegenüberliegenden Ecken bieten eine exzellente Stabilität.
Wenn Sie die Ausrichtung überspringen, werden Ihre OCR-ROIs an absoluten Pixelpositionen fixiert. Jede Bewegung des Teils führt dazu, dass die ROI den Text verfehlt. Richten Sie die Ausrichtung für den Produktionseinsatz immer ein.
Eine ausführliche Anleitung zur Template-Ausrichtung finden Sie unter Alignment.
Schritt 4: OCR Regions of Interest (ROIs) erstellen
Nun definieren Sie genau, wo auf dem Teil die Kamera nach Text suchen soll. Dies ist der wichtigste Schritt für die OCR-Genauigkeit.
4a. Zum Inspection Setup navigieren
- Klicken Sie im Recipe Editor auf die Registerkarte Inspection Setup
- Sie sehen den Inspection Editor mit Ihrem Template-Bild
4b. Das OCR-Modell hinzufügen
- Suchen Sie im rechten Panel nach dem Abschnitt Models
- Wenn kein OCR-Modell aufgeführt ist, klicken Sie unten auf die Schaltfläche Add und wählen Sie OCR
- Das OCR-Modell erscheint in der Models-Liste
Sie können nur einen OCR-Block pro Recipe haben. Sie können jedoch mehrere ROIs innerhalb dieses Blocks erstellen, um Text aus verschiedenen Bereichen des Teils zu lesen.
4c. Eine OCR-ROI erstellen
- Stellen Sie sicher, dass die OCR-Modell-Zeile in der Models-Liste ausgewählt (markiert) ist
- Klicken Sie im Bereich Region of Interest auf Add ROI
- Eine neue rechteckige ROI erscheint auf dem Bild
- Ziehen Sie die ROI, um sie über dem Text zu positionieren, den Sie lesen möchten
- Ändern Sie die Größe, indem Sie die Eckgriffe ziehen

4d. Die ROI-Orientierung einstellen
Dies ist der mit Abstand wichtigste Punkt, den Sie richtig einstellen müssen. Die Orientierung Ihrer ROI muss mit der Orientierung des Textes übereinstimmen, den Sie lesen möchten.
Die OCR-Engine schneidet das Bild unter Verwendung des ROI-Winkels aus und verarbeitet den Ausschnitt dann so, als wäre der Text horizontal. Wenn Ihr ROI-Winkel nicht mit dem Textwinkel übereinstimmt, versucht die Engine, gedrehten Text zu lesen, und liefert unbrauchbare Ergebnisse.
Beispiele:
- Text verläuft horizontal von links nach rechts: ROI-Winkel sollte 0 Grad betragen
- Text ist um 90 Grad im Uhrzeigersinn gedreht: ROI-Winkel sollte 90 Grad betragen
- Text steht auf dem Kopf: ROI-Winkel sollte 180 Grad betragen
- Text steht in einem 45-Grad-Winkel: ROI-Winkel sollte 45 Grad betragen
So drehen Sie eine ROI:
- Wählen Sie die ROI durch Anklicken aus
- Verwenden Sie den Rotationsgriff an der Ecke der ROI, ODER
- Legen Sie den Winkelwert direkt in den Positionsfeldern am unteren Rand des Canvas fest
Die Positionsleiste zeigt: H (Höhe), W (Breite), X und Y (Position) sowie den Winkel in Grad.

4e. ROI korrekt dimensionieren
- Gestalten Sie die ROI so eng wie möglich um den Textbereich. Zusätzlicher Hintergrund erzeugt Rauschen und kann zu Fehlerkennungen führen.
- Lassen Sie einen kleinen Rand (10–20 Pixel) um den Text, damit Zeichen an den Kanten nicht abgeschnitten werden.
- Schließen Sie keinen anderen Text ein, den Sie nicht lesen möchten. Wenn mehrere Textbereiche vorhanden sind, erstellen Sie für jeden eine separate ROI.
Wenn Sie Text aus mehreren Bereichen des Teils lesen müssen (z. B. eine Seriennummer UND einen Datumscode), erstellen Sie für jeden eine separate ROI. Dies liefert unabhängige Ergebnisse und erleichtert die Konfiguration von Pass/Fail-Regeln.
4f. Zusätzliche ROIs erstellen (Optional)
Wiederholen Sie die Schritte 4c–4e für jeden Textbereich, den Sie lesen müssen. Jede ROI erhält ihren eigenen Namen in der Liste der Regions of Interest. Benennen Sie sie beschreibend um (z. B. „Serial Number", „Date Code", „Part Label"), indem Sie auf den Namen doppelklicken.
Verwenden Sie Kopieren und Einfügen, um ROIs zu duplizieren. Die Namen werden automatisch hochgezählt (z. B. „ROI", „ROI (1)", „ROI (2)").
Schritt 5: OCR-Block konfigurieren und testen
5a. Zum OCR-Block navigieren
Klicken Sie auf den Tab OCR Block in der Tab-Leiste des Recipe Editors. Links sehen Sie den Kamera-Feed und rechts ein Einstellungspanel.

Das rechte Panel zeigt:
- Beschreibung der OPTICAL CHARACTER RECOGNITION
- Erläuterung, dass es sich um ein vortrainiertes Modell handelt, das keine Trainingsdaten benötigt
- Anweisungen zur Validierung mit Live Preview oder Test
5b. Live Preview aktivieren
Aktivieren Sie das Kontrollkästchen Live Preview Mode oben rechts. Die Kamera beginnt mit der Echtzeitverarbeitung der Frames.

Bei aktivierter Live Preview sehen Sie:
- Processing Time: Wie lange das OCR-Modell pro Frame benötigt
- Latency: Gesamte Round-Trip-Zeit einschließlich Bilderfassung und Rendering
- Violette Bounding Boxes um erkannte Textregionen, überlagert auf dem Kamera-Feed
- Erkannten Text als Labels an jeder Bounding Box angezeigt
- Parameters-Panel rechts zur Feinabstimmung der Detektionseinstellungen
5c. Überprüfen, ob OCR korrekt liest
Platzieren Sie Ihr Teil bei aktivierter Live Preview unter der Kamera und überprüfen Sie:
- Werden alle Textregionen erkannt? Sie sollten violette Boxen um jedes Wort bzw. jeden Satz in der ROI sehen.
- Wird der Text korrekt gelesen? Die Labels sollten mit dem tatsächlichen Text auf dem Teil übereinstimmen.
- Gibt es Fehlerkennungen? Werden Nicht-Text-Bereiche fälschlicherweise als Text identifiziert?
- Bewegen Sie das Teil leicht. Funktioniert OCR weiterhin an verschiedenen Positionen (damit wird die Ausrichtung getestet)?
Wenn Text nicht erkannt oder falsch gelesen wird, überprüfen Sie:
- Die Ausrichtung der ROI stimmt mit der Textausrichtung überein (siehe Schritt 4d)
- Die ROI ist korrekt über dem Text positioniert
- Die Bildqualität ist gut (scharfer Fokus, guter Kontrast, gleichmäßige Ausleuchtung)
- Versuchen Sie, die OCR-Parameter anzupassen (siehe nächster Abschnitt)
Schritt 6: OCR-Parameter feinabstimmen
Wenn Live Preview aktiviert ist, zeigt das rechte Panel vier einstellbare Parameter an. Diese steuern die Phase der Texterkennung (wo sich Text befindet), nicht die Erkennungsphase (was dort steht).
| Parameter | Standard | Funktion |
|---|---|---|
| Text Segmentation Threshold | 0.10 | Wie sicher der Detektor sein muss, dass eine Region Text enthält. Höhere Werte = strengere Erkennung, weniger Falscherkennungen, aber möglicherweise werden schwache Texte übersehen. Niedrigere Werte = empfindlicher, erfasst schwache Texte, kann aber zu Fehlerkennungen führen. Bereich: 0.0 bis 1.0. |
| Unclip Ratio | 4.0 | Wie stark die erkannten Bounding Boxes von der Textkontur nach außen erweitert werden. Höhere Werte = größere Boxen. Erhöhen, wenn Boxen die Ränder großer Zeichen abschneiden. Verringern, wenn benachbarte Wörter zu einer Box zusammengeführt werden. |
| Unclip Ceiling | 20 | Maximale Pixelerweiterung durch das Unclipping. Dies begrenzt das Wachstum, sodass große Verhältniserweiterungen bei großem Text keine enormen Boxen erzeugen. Erhöhen, wenn großer Text selbst nach Erhöhung der Unclip Ratio noch abgeschnitten wird. |
| Min Text Area | 500 | Mindestfläche (in Pixeln) für eine erkannte Textregion. Alles Kleinere wird als Rauschen verworfen. Erhöhen, wenn kleine Artefakte als Text erkannt werden. Verringern, wenn kleine, aber gültige Texte herausgefiltert werden. |
Beginnen Sie mit den Standardwerten. Passen Sie nur an, wenn Sie bestimmte Probleme in der Live Preview beobachten:
| Problem | Anzupassender Parameter | Richtung |
|---|---|---|
| Nicht-Text-Bereiche werden als Text erkannt | Text Segmentation Threshold | Erhöhen |
| Gültiger Text wird übersehen | Text Segmentation Threshold | Verringern |
| Bounding Boxes schneiden Zeichenränder ab | Unclip Ratio | Erhöhen |
| Benachbarte Wörter werden zu einer Box zusammengeführt | Unclip Ratio | Verringern |
| Boxen werden bei großem Text zu groß | Unclip Ceiling | Verringern |
| Großer Text wird auch nach Erhöhung der Unclip Ratio noch abgeschnitten | Unclip Ceiling | Erhöhen |
| Rauschen/Artefakte werden als Text erkannt | Min Text Area | Erhöhen |
| Kleiner, gültiger Text wird herausgefiltert | Min Text Area | Verringern |
Parameteränderungen werden sofort in der Live Preview wirksam, sodass Sie iterativ feinabstimmen können. Diese Parameter gelten auch während der Produktionsaufnahmen, nicht nur während der Vorschau.
Schritt 7: Test mit aufgenommenen Bildern
Nach dem Anpassen der Parameter mit Live Preview sollten Sie OCR anhand einer Reihe von Produktionsmustern validieren.
7a. Verwendung des Test-Panels
- Deaktivieren Sie den Live Preview Mode (Häkchen entfernen)
- Klicken Sie auf die Schaltfläche Test

- Klicken Sie auf Select From Library, um Bilder aus zuvor aufgenommenen Inspektionen auszuwählen, oder klicken Sie auf Upload Captures, um Bilder von Ihrem Computer hochzuladen
- Die Testergebnisse zeigen für jede ROI:
- Detected Text (in Monospace-/Code-Formatierung angezeigt)
- Confidence (farbcodiertes Tag: grün über 80 %, orange über 50 %, rot unter 50 %)
- Detection Count (wie viele Textregionen gefunden wurden)
7b. Worauf Sie achten sollten
- Konsistenz: Liest die OCR bei demselben Teil jedes Mal denselben Text?
- Genauigkeit: Stimmen die erkannten Zeichenketten mit dem tatsächlichen Text auf dem Teil überein?
- Confidence Scores: Liegen sie konstant über 80 %? Niedrige Confidence weist häufig auf Probleme mit der Bildqualität hin.
- Grenzfälle: Testen Sie mit Teilen, die verschmierten, verblassten oder teilweise verdeckten Text aufweisen.
Wenn die Confidence Scores konstant unter 80 % liegen, überprüfen Sie Ihre Bildeinstellungen (Schritt 2). Die OCR-Genauigkeit hängt direkt mit der Bildqualität zusammen. Keine noch so gute Parameterabstimmung kann ein unscharfes oder schlecht beleuchtetes Bild ausgleichen.
Schritt 8: Pass/Fail-Regeln einrichten (IO Logic)
Nachdem die OCR den Text korrekt erkennt, müssen Sie definieren, was ein Pass oder Fail darstellt. Navigieren Sie zum Tab IO Logic.
Basic Mode
Der Basic Mode bietet eine einfache regelbasierte Benutzeroberfläche für die OCR-Pass/Fail-Logik. Node-RED-Kenntnisse sind nicht erforderlich.

Die Seite zeigt:
- Preview / Test-Tabs auf der linken Seite (zur Visualisierung der Ergebnisse anhand Ihrer Regeln)
- Abschnitt OCR Rules auf der rechten Seite
- Schaltfläche Save & Deploy zum Aktivieren der Regeln
- Schaltfläche Advanced Mode zum Wechseln zu Node-RED
Erstellen einer Regel
Klicken Sie auf + Add rule, um eine Pass/Fail-Regel zu erstellen. Jede Regel hat drei Felder:

| Feld | Beschreibung |
|---|---|
| ROIs | Welche ROI(s) ausgewertet werden sollen. Klicken Sie zum Erweitern und wählen Sie "All ROIs" oder bestimmte Regionen aus. |
| Operator | Der auf den erkannten Text anzuwendende Vergleich. |
| Text | Die erwartete Textzeichenkette, mit der verglichen werden soll. |
Verfügbare Operatoren
Klicken Sie auf das Operator-Dropdown, um alle vier Optionen zu sehen:

| Operator | Verhalten | Beispielanwendungsfall |
|---|---|---|
| = (equals) | Der gesamte erkannte, zusammengefügte Text muss exakt übereinstimmen mit dem erwarteten Text | Überprüfen, ob eine Seriennummer exakt "SN-2025-0042" lautet |
| != (not equals) | Der zusammengefügte Text darf NICHT übereinstimmen mit dem erwarteten Text | Teile mit einem bekannten fehlerhaften Code ausschließen |
| includes | Der zusammengefügte Text muss den erwarteten Text als Teilzeichenkette enthalten | Prüfen, ob ein Label irgendwo das Wort "SAFETY" enthält |
| not includes | Der zusammengefügte Text darf den erwarteten Text NICHT enthalten | Sicherstellen, dass ein veralteter Produktcode nicht erscheint |
Wie Text verglichen wird
Wenn eine ROI mehrere erkannte Textbereiche enthält (z. B. erkennt der Detektor "LOT" und "2025" als separate Wörter), werden alle einzelnen Textzeichenfolgen vor dem Vergleich mit Leerzeichen zusammengefügt.
Wenn der Detektor also drei Textbereiche mit den Inhalten "LOT", "2025" und "A1" findet, wird der zusammengefügte Text zu "LOT 2025 A1". Ihre Regel vergleicht gegen diese vollständige zusammengefügte Zeichenfolge.
Das bedeutet:
- Eine equals-Regel für
"LOT 2025 A1"würde bestehen - Eine includes-Regel für
"2025"würde bestehen - Eine equals-Regel nur für
"LOT"würde fehlschlagen (weil der zusammengefügte Text mehr als nur "LOT" enthält)
Mehrere Regeln
Sie können mehrere Regeln hinzufügen, indem Sie erneut auf + Add rule klicken. Alle Regeln verwenden AND-Logik: Jede Regel muss bestehen, damit die OCR-Prüfung besteht. Wenn eine einzelne Regel fehlschlägt, schlägt die gesamte Inspektion fehl.
ROI-Auswahl

Klicken Sie auf das ROIs-Dropdown, um auszuwählen, für welche Region(en) die Regel gilt:
- All ROIs: Die Regel wertet den Text aus allen OCR-Regionen kombiniert aus
- Specific ROI: Erweitern, um einzelne ROIs nach Namen auszuwählen (deshalb ist es wichtig, Ihre ROIs in Schritt 4f aussagekräftig zu benennen)
Speichern und Bereitstellen
Nachdem Sie Ihre Regeln konfiguriert haben, klicken Sie auf Save & Deploy, um sie zu aktivieren. Die Regeln werden sofort für alle zukünftigen Inspektionen wirksam.
Advanced Mode (Node-RED)
Für komplexere Pass/Fail-Logik, die der Basic Mode nicht bewältigen kann, wechseln Sie in den Advanced Mode.
Klicken Sie auf die Schaltfläche Advanced Mode, um einen Bestätigungsdialog zu sehen:

Der Dialog erklärt:
- Der Advanced Mode nutzt die vollständige visuelle Programmierumgebung von Node-RED
- Alle Basic Mode-Regeln werden deaktiviert
- Sie können jederzeit zurück in den Basic Mode wechseln
Klicken Sie auf Switch to Advanced Mode (oder, wenn Sie bereits im Advanced Mode sind, heißt die Schaltfläche Basic Mode).

Im Advanced Mode sehen Sie einen Node-RED-Flow-Canvas mit vorkonfigurierten Nodes, darunter:
- All Block Outputs: Empfängt Ergebnisse von allen AI-Blöcken (Classification, Segmentation, OCR, Measurement)
- Check OCR (oder ähnlich): Ein Function-Node mit JavaScript, der OCR-Ergebnisse auswertet
- Classification Block Logic / Format Data for PLC / Trigger: Weitere Output-Nodes für die Integration
- Inspection Pass/Fail: Endgültige Pass/Fail-Entscheidung
- Save to Library: Speichert Ergebnisse
OCR-Output-Payload in Node-RED
Im Advanced Mode sind OCR-Ergebnisse im Objekt msg.payload.ocr verfügbar. Dies ermöglicht Ihnen vollständigen programmatischen Zugriff auf jede Erkennung:
{
"predictions": [
{
"roi_id": 1,
"roi_name": "Serial Number",
"center_x_global": 450,
"center_y_global": 220,
"angle_global": 90,
"search_area_id": 1,
"detections": [
{
"text": "SN-2025-0042",
"confidence": 0.95,
"roi_bbox": {
"x": 10,
"y": 5,
"width": 120,
"height": 30,
"angle": 0
},
"global_bbox": {
"x": 450,
"y": 220,
"width": 120,
"height": 30,
"angle": 90
}
}
]
}
]
}
| Feld | Beschreibung |
|---|---|
| roi_id | Numerische ID der ROI, die dieses Ergebnis erzeugt hat |
| roi_name | Der Name, den Sie der ROI gegeben haben (z. B. "Serial Number") |
| center_x_global / center_y_global | Mittelpunkt der ROI in Vollbild-Koordinaten |
| angle_global | Drehwinkel der ROI im Vollbild |
| search_area_id | Der Inspektionstyp / Suchbereich, zu dem diese ROI gehört |
| detections | Array einzelner Texterkennungen innerhalb dieser ROI |
| detections[].text | Die erkannte Textzeichenfolge |
| detections[].confidence | Erkennungskonfidenz von 0.0 bis 1.0 (begrenzt) |
| detections[].roi_bbox | Bounding-Box-Position relativ zum ROI-Crop-Ursprung |
| detections[].global_bbox | Bounding-Box-Position im vollständigen Kamerabild (berücksichtigt ROI-Rotation und -Ausrichtung) |
Verwenden Sie msg.payload.ocr.predictions[0].detections.map(d => d.text).join(" "), um dieselbe zusammengefügte Textzeichenfolge zu erhalten, die der Basic Mode zum Vergleich verwendet.
Mit dem Advanced Mode können Sie:
- Regex-Muster auf erkannten Text mit JavaScript anwenden
- Erkennungen nach Konfidenzschwellenwert filtern
- OCR-Ergebnisse mit Classification-/Segmentation-Ergebnissen für komplexe Logik kombinieren
- OCR-Text für PLC-Output formatieren (z. B. die erkannte Seriennummer über EtherNet/IP senden)
- Benutzerdefinierte Nachrichten an Microsoft Teams oder per E-Mail basierend auf OCR-Inhalten senden
Eine ausführliche Anleitung zu Node-RED finden Sie unter Node-RED Basics.
Sie können jederzeit zwischen Basic und Advanced Mode wechseln, indem Sie den Umschalt-Button oben auf der IO Logic-Seite verwenden. Beim Wechsel in den Basic Mode wird jede bereitgestellte Node-RED-Logik deaktiviert und durch Basic Mode-Regeln ersetzt. Beim Zurückwechseln wird der Node-RED-Flow wiederhergestellt.
Schritt 9: Rezept bereitstellen
Sobald Ihre OCR-Einrichtung abgeschlossen und getestet ist:
- Navigieren Sie zurück zum Recipe Editor (klicken Sie auf Recipe Editor in der linken Seitenleiste)
- Klicken Sie unten rechts auf die violette Schaltfläche Deploy Recipe
- Das Rezept ist nun aktiv und führt Inspektionen durch
Ergebnisse anzeigen
HMI
Die HMI-Seite zeigt Live-Inspektionsergebnisse an. Bei aktivem OCR sehen Sie:
- Das Live-Kamerabild mit violetten Bounding Boxes um den erkannten Text
- Textlabels, die anzeigen, was gelesen wurde
- Pass/Fail-Status basierend auf Ihren IO Logic-Regeln
- Laufende Statistiken: Gesamtinspektionen, bestanden, fehlgeschlagen, Yield-Prozentsatz

Library
Navigieren Sie zu Library in der linken Seitenleiste, um gespeicherte Ergebnisse vergangener Aufnahmen zu überprüfen. Jeder Aufnahmeeintrag zeigt:
- Das aufgenommene Bild mit OCR-Overlay
- Erkannter Text pro ROI
- Konfidenzwerte
- Pass/Fail-Ergebnis
Fehlerbehebung
Kein Text erkannt
| Mögliche Ursache | Lösung |
|---|---|
| ROI nicht über dem Text positioniert | Positionieren Sie den ROI im Inspection Setup neu |
| ROI-Ausrichtung entspricht nicht dem Text | Drehen Sie den ROI, um ihn an der Textrichtung auszurichten (Schritt 4d) |
| Text im Bild zu klein | Bewegen Sie die Kamera näher heran oder verwenden Sie ein Objektiv mit längerer Brennweite |
| Text zu klein im Verhältnis zum ROI | Verkleinern Sie den ROI enger um den Textbereich |
| Min Text Area zu hoch | Verringern Sie den Parameter Min Text Area |
| Schlechte Beleuchtung / geringer Kontrast | Verbessern Sie die Beleuchtung, um den Kontrast zwischen Text und Hintergrund zu maximieren |
| Text ist unscharf | Passen Sie den Fokus am C-Mount-Objektiv an und überprüfen Sie, ob die Kamerahalterung stabil ist |
| Alignment nicht eingerichtet | Die Texterkennung erfordert Alignment. Richten Sie Template Alignment ein (Schritt 3) |
Falscher Text erkannt (Lesefehler)
| Mögliche Ursache | Lösung |
|---|---|
| ROI-Ausrichtung entspricht nicht der Textausrichtung | Dies ist die häufigste Ursache. Drehen Sie den ROI, um ihn an der Textrichtung auszurichten (Schritt 4d) |
| Geringe Bildqualität oder Rauschen | Erhöhen Sie die Belichtung, reduzieren Sie den Gain, verbessern Sie die Beleuchtung |
| Text Segmentation Threshold zu niedrig | Erhöhen, um falsche Texterkennungen herauszufiltern |
| Überlappende Textbereiche werden zu einer Erkennung zusammengeführt | Verringern Sie das Unclip Ratio, um das Zusammenführen von Boxen zu verhindern |
| Mehrere Textzeilen in einem ROI | Erstellen Sie separate ROIs für jede Zeile, wenn die Lesereihenfolge relevant ist |
OCR-Konfidenz ist durchgehend niedrig
| Mögliche Ursache | Lösung |
|---|---|
| Ungleichmäßige Beleuchtung | Sorgen Sie für eine gleichmäßige Ausleuchtung des Textbereichs |
| Blendung oder Reflexionen auf dem Text (insbesondere bei glänzenden Etiketten) | Passen Sie den Beleuchtungswinkel an, um Spiegelreflexionen zu eliminieren. Erwägen Sie diffuse Beleuchtung. |
| Sehr kleine oder stark stilisierte Schrift | Bewegen Sie die Kamera näher heran oder verwenden Sie ein Objektiv mit längerer Brennweite, um die Textgröße im Bild zu erhöhen |
| Beschädigter, verblasster oder teilweise gedruckter Text | OCR kann nur das lesen, was die Kamera sieht. Bei physisch beeinträchtigtem Text ist die Genauigkeit geringer. |
| Hoher Gain in den Bildeinstellungen | Reduzieren Sie den Gain. Ein hoher Gain fügt Rauschen hinzu, das wie Textartefakte aussieht. |
Pass/Fail-Regeln funktionieren nicht wie erwartet
| Mögliche Ursache | Lösung |
|---|---|
| Text wird anders verbunden als erwartet | Aktivieren Sie Live Preview und überprüfen Sie genau, welcher Text erkannt wird. Beachten Sie, dass mehrere Erkennungen mit Leerzeichen verbunden werden. |
| Verwendung von "equals", wenn "includes" passender wäre | Wenn Sie nur an einem Teilstring interessiert sind, verwenden Sie "includes" statt "equals" |
| Regeln nicht bereitgestellt | Klicken Sie auf Save & Deploy, nachdem Sie Regeln im Basic Mode geändert haben |
| Falscher ROI in der Regel ausgewählt | Überprüfen Sie das ROIs-Dropdown in Ihrer Regel, um sicherzustellen, dass der korrekte Bereich adressiert wird |
Einschränkungen
- Maximal 1 OCR-Block pro Rezept (innerhalb dieses Blocks sind mehrere ROIs möglich)
- Nur englisch-optimiertes Modell: Das vortrainierte Modell ist für gedruckten Text auf lateinischer Basis optimiert. Handschrift, Schreibschrift oder nicht-lateinische Schriften (Chinesisch, Japanisch, Koreanisch, Arabisch) werden nicht unterstützt.
- Keine Regex- oder Mustererkennung im Basic Mode: Pass/Fail-Regeln verwenden einfachen Zeichenkettenvergleich (equals, not equals, includes, not includes). Für komplexe Validierungsmuster (z. B. Abgleich mit "SN-####-####") verwenden Sie den Advanced Mode (Node-RED) mit benutzerdefiniertem JavaScript-Regex.
- Kein benutzerkonfigurierbarer Zeichensatz: Das 480-Zeichen-Wörterbuch des Modells ist fest vorgegeben. Sie können die Erkennung beispielsweise nicht auf reine Ziffern beschränken. Verwenden Sie Pass/Fail-Regeln, um das erwartete Format zu validieren.
- Keine garantierte Textreihenfolge: Wenn innerhalb eines ROI mehrere Textregionen erkannt werden, werden sie in der Reihenfolge der Erkennung (nach Kontur) zusammengefügt, nicht zwangsläufig in der Leserichtung (von links nach rechts, von oben nach unten). Wenn die Lesereihenfolge wichtig ist, verwenden Sie separate ROIs für jede Textzeile.
- Nur vortrainiertes Modell: Im Gegensatz zu Klassifizierung und Segmentierung kann das OCR-Modell nicht auf Ihre spezifischen Schriftarten oder Textstile neu trainiert oder feinjustiert werden. Es verwendet das integrierte, vortrainierte OCR-Modell.
Siehe auch
- Erste Inspektion erstellen - Vollständige Anleitung zur Rezepterstellung
- Bildeinstellungen - Detaillierter Leitfaden zur Bildgebungseinrichtung
- Ausrichtung - Vertiefung zur Vorlagenausrichtung
- Regions of Interest (ROIs) - ROI-Dimensionierung und -Strategie
- Inspektionseinrichtung und ROI-Typen - Referenz zu ROI-Typen
- Node-RED-Grundlagen - Fortgeschrittene IO-Logikprogrammierung
- Grundlagen der Bildgebungseinrichtung - Theorie zu Beleuchtung und Bildqualität