Objetivo y límites de uso
Separe detección, reconocimiento y validación de campo; conserve texto incierto sin sustituirlo por el lote esperado.
Este tutorial describe una evaluación de ingeniería, no una certificación de producto listo para funcionar. El ejemplo público actual de PC de Deyi Vision cubre un flujo EAN-13 con imágenes de muestra confirmadas. Antes de utilizar OCR o detección nativos del código de ingeniería, compruebe el entorno instalado, los modelos vinculados y el trabajo. Una plantilla de navegador no demuestra ejecución en él: el backend OpenCV.js previsto requiere verificación independiente. El reconocimiento en la nube exige aprobar expresamente las imágenes, el proveedor, el modelo y el coste. Un archivo de revisión no es un paquete ejecutable de publicación. Verifique por separado la compatibilidad de cámara, firmware y controlador. Todos los valores de la hoja son hipotéticos; no son mediciones ni resultados de clientes de Deyi Vision.
Preparar las pruebas
Vincule paquete, diccionario e identidad de preproceso confirmados; revise capacidades instaladas. Compruebe el contrato intermedio antes de leer la bandera final. Región ausente, texto mal formado, coordenada inválida o valor no finito es un fallo explícito, nunca aprobación predeterminada. Registre backend y dependencias reales; no transfiera aceptación entre motores por compartir plantilla. Tras cambiar modelo o preprocesamiento, guarde la versión anterior y repita la comparación fija. Informe todos los intentos, pruebas utilizables y tratamiento del resto: describe cobertura y fallos además de reconocimiento. La verificación OCR de etiquetas protege la integridad de datos, no busca palabras plausibles. Defina cada campo, ubicación, alfabeto permitido, política exacta de comparación y fuente fiable del valor esperado. Lote, fecha y nombre pueden requerir reglas diferentes. Guarde polígono de detección y salida reconocida antes de normalizar espacios o mayúsculas. No sustituya silenciosamente I por 1 ni O por 0: podría aprobar una etiqueta equivocada. La evidencia técnica original incluye un caso OCR estrecho que devuelve NoResult o Review; ampliar el recorte no demuestra disponibilidad general. Un campo legible puede contener un lote incorrecto, y conocer el valor esperado no autoriza a rellenar un campo ilegible. Trate el flujo como una secuencia de decisiones tipadas, no como una sola respuesta del modelo. Vincule identidad de entrada, transformación de región, versiones de nodos, preprocesamiento y paquete de modelo antes del ensayo. Separe la elección de parámetros con imágenes de desarrollo de la evaluación de un conjunto congelado cuyas respuestas no se hayan usado para ajustar. Conserve resultados de referencia y candidato para todos los casos, incluidos errores. La IA puede proponer una revisión, pero no confirmar respuestas, autorizar transferencias ni aprobar producción. Si la recepción del proveedor es incierta, conserve la identidad de solicitud e investigue el comprobante antes de considerar un reenvío. Disponibilidad, calidad y aprobación son verificaciones independientes.
Procedimiento
- Envíe campo ligado al original y guarde el polígono antes de reconocer.
- Conserve texto bruto y aplique solo normalización escrita; registre ambos y la regla.
- Compare lote exacto y distinga discrepancia legible de NoResult/Review.
- Elija cambios con desarrollo y repita evaluación fija con caracteres confundibles.
Interpretar el ensayo
LOT123 es expectativa hipotética. LOTI23 discrepa pese a compartir 6 caracteres. Confianza no autoriza cambiar I por 1. Dependencias ausentes bloquean ejecución; el ejemplo PC no demuestra este OCR nativo listo.
Hoja de registro
| Registro | Valor / observación | Interpretación |
|---|---|---|
| Lote esperado | LOT123 | Registro fiable |
| Lote reconocido | LOTI23 | Discrepa; no cambie I por 1 |
Dos vistas de ingeniería
Dos vistas de ingeniería · 1
El diagrama muestra el orden de comprobación. Cada flecha exige pruebas registradas y no implica una conexión automática implementada. Identidad → Nodos vinculados → Contrato → Review.
- Identidad
- Nodos vinculados
- Contrato
- Review
Dos vistas de ingeniería · 2
El diagrama muestra el orden de comprobación. Cada flecha exige pruebas registradas y no implica una conexión automática implementada. Desarrollo → Evaluación fija → Candidato → Aprobación.
- Desarrollo
- Evaluación fija
- Candidato
- Aprobación
Diagnóstico de fallos
- Texto correcto en polígono equivocado falla vinculación.
- Respuesta de proveedor sin identidad de fuente/solicitud no es comprobante OCR local aceptado.
Aceptación y entrega
Acepte solo runtime evaluado. Guarde polígonos, texto bruto/normalizado, fuente esperada, revisión y tratamiento de cada fallo.
Conserve juntos imágenes originales, decisión esperada, revisión exacta y registro completo. Congele el conjunto de evaluación antes de elegir los parámetros finales. Si después utiliza sus respuestas para ajustar el flujo, márquelo como datos de desarrollo y obtenga otro conjunto independiente de aceptación. Mantenga Review, NoResult, error de ejecución y adquisición ausente en el denominador; no los convierta en aprobaciones filtrando filas. Guarde un fallo reproducible junto al caso satisfactorio. La entrega debe identificar quién puede cambiar la receta, cómo restaurar una revisión aprobada y qué salida del equipo seguirá bloqueada hasta la aceptación. Un resultado de software no demuestra que una pieza en movimiento haya llegado al destino correcto.
Fuentes y referencias técnicas
Las referencias explican los métodos y límites del tutorial. Las comprobaciones de ejemplo sirven de orientación; la aceptación en producción requiere pruebas con sus propias muestras.
- Deyi Vision machine vision software: evaluation scopeDeyi VisionComprobado
- OCR Pipeline Usage TutorialPaddleOCRComprobado
- Check OCR text against barcode and batch dataDeyi VisionComprobado
Referencias de componentes y selección
- machine vision software · Referencia en inglés
- Inspección de tapones, etiquetas y códigos de fecha en alimentos y bebidas
- Sistema de inspección de etiquetas y códigos de barras de embalaje
- Crear un flujo de ensamblaje visible asistido por IA
- EAN-13: aceptación en línea
- EAN-13: decodificación y reglas de datos
- Adquisición estable: búferes, tiempos de espera y reconexión
- Aceptar e integrar una inspección de nivel visible
- Flujo asistido por IA para un indicador de nivel visible
- Relacionar registros de inspección, imágenes e identificadores
- Etiquetas OCR: aceptación y contrato PLC
- Aceptar e integrar integridad de paquetes abiertos
- Crear integridad de paquetes abiertos asistida por IA
- Definir el enlace PLC–visión mediante estados explícitos
- Aspecto de sello y cordón: aceptación en línea
- Aspecto de sello y cordón: reglas
- Clasificación SKU: aceptación y desconocidos
- Clasificación SKU: reglas de color y producto
- Defectos superficiales: aceptación y salida
- Defectos superficiales: evaluación AI acotada
- Ensayar latencia desde el disparo hasta la decisión PLC
- Versionar y restaurar el conjunto completo de visión

