Procesamiento digital de imágenes en la creación de prototipo de sistema inteligente para detección y reconocimiento de texto en etiquetas de conductores eléctricos recubiertos
Palabras clave:
Detección de texto en cables, sistemas inteligentes, procesamiento digital de imagenes, K-means, OCR, TesseractResumen
El etiquetado del cable permite identificar distintas configuraciones y lotes de cables, así como conocer sus características. En el proceso de etiquetado del cable se pueden presentar distintos tipos de errores o defectos en el texto impreso, por ejemplo: ausencia de la etiqueta, corrimiento de la tinta, partes del texto faltante, texto ilegible y gotas de tinta. En este trabajo se presenta un prototipo de sistema para la validación del texto en cables eléctricos mediante técnicas de procesamiento de imágenes. El sistema propuesto integra dos etapas. En la primera etapa se propuso un método basado en clusterización por K-means que permite realizar el preprocesado de las imágenes para acondicionarlas. En la segunda etapa se realiza el reconocimiento óptico de caracteres utilizando el motor Tesseract OCR, el cual permite convertir el texto contenido en las imágenes en cadenas de caracteres. La experimentación se realizó utilizando una colección de 909 imágenes de cables eléctricos que contiene ocho tipos diferentes de cables, donde las imágenes están etiquetadas individualmente con la ground truth. La experimentación realizada permitió obtener una tasa de error promedio del 6.54%, 3.97% y 2.53% al validar el texto empleando tres, cinco y siete secuencias de etiquetas, respectivamente.
Descargas
Referencias
SAMPSISTEMI, “Cable Extrusion,” [Online]. Available: https://www.sampsistemi.com/cable-extrusion/ [accessed Oct. 20, 2020].
“Wire and cable marking machines.” [Online]. Available: https://www.schleuniger.com/en-us/products/peripherals/marking-/-printing-/-labeling/ [accessed Oct. 20, 2020].
“Coding & Marking Printers | Gem Gravure.” [Online]. Available: https://www.gemgravure.com/coding-marking-printers/ [accessed Oct. 20, 2020].
“Impresoras para tubos y cables | Videojet México.” [Online]. Available: https://www.videojet.mx/mx/homepage/industry-solutions/wire-cablepipe.html [accessed Oct. 20, 2020].
A. K. Bhunia, G. Kumar, P. P. Roy, R. Balasubramanian, and U. Pal, “Text recognition in scene image and video frame using Color Channel selection,” Multimed. Tools Appl., vol. 77, no. 7, pp. 8551–8578, Apr. 2018, doi: 10.1007/s11042-017-4750-6
S. M. Lucas, A. Panaretos, L. Sosa, A. Tang, S. Wong, and R. Young, “ICDAR 2003 robust reading competitions,” in Seventh International Conference on Document Analysis and Recognition, 2003. Proceedings., Aug. 2003, pp. 682–687, doi: 10.1109/ICDAR.2003.1227749.
N. V. Rao et al., “Optical character recognition technique algorithms,” vol. 16, no. 2, pp. 275-282, 2016.
L. von Ahn, M. Blum, N. J. Hopper, and J. Langford, “CAPTCHA: Using Hard AI Problems for Security,” in Advances in Cryptology — EUROCRYPT, pp. 294–311, 2003.
J. B. Pedersen, K. Nasrollahi, and T. B. Moeslund, “Quality inspection of printed texts,” in 2016 International Conference on Systems, Signals and Image Processing (IWSSIP), Bratislava, Slovakia, May 2016, pp. 1–4, doi: 10.1109/IWSSIP.2016.7502718.
F. De Sousa Ribeiro et al., “An End-to-End Deep Neural Architecture for Optical Character Verification and Recognition in Retail Food Packaging,” in 2018 25th IEEE International Conference on Image Processing (ICIP), Athens, Oct. 2018, pp. 2376–2380, doi: 10.1109/ICIP.2018.8451555.
E. Shelhamer, J. Long, and T. Darrell, “Fully Convolutional Networks for Semantic Segmentation,” IEEE Trans. Pattern Anal. Mach. Intell., vol. 39, no. 4, pp. 640–651, Apr. 2017, doi: 10.1109/TPAMI.2016.2572683.
D. Chen, J.-M. Odobez, and H. Bourlard, “Text detection and recognition in images and video frames,” Pattern Recognit., vol. 37, no. 3, pp. 595–608, Mar. 2004, doi: 10.1016/j.patcog.2003.06.001.
K. Messer, J. Kittler, and W. Christmas, “Automatic Sports Classification,” in Pattern Recognition, International Conference on, Los Alamitos, CA, USA, Aug. 2002, vol. 2, pp.1005-1008, doi: 10.1109/ICPR.2002.1048475.
J. C. Rodríguez-Rodríguez, A. Quesada-Arencibia, R. Moreno-Díaz, and C. R. García, “A Character Segmentation Proposal for High-Speed Visual Monitoring of Expiration Codes on Beverage Cans,” Sensors, vol. 16, no. 4, Apr. 2016, doi: 10.3390/s16040527
W. Q. Khan and R. Q. Khan, “Urdu optical character recognition technique using point feature matching; a generic approach,” in 2015 International Conference on Information and Communication Technologies (ICICT), Dec. 2015, pp. 1–7, doi: 10.1109/ICICT.2015.7469576.
M. A. H. Monil, M. S. Q. Z. Nine, B. Poon, M. A. Amini, and H. Yan, “Bangla text processing and recognition based on Fuzzy unsupervised Feature Extraction and SVM,” in 2013 International Conference on Machine Learning and Cybernetics, Jul. 2013, vol. 03, pp. 1272–1278, doi: 10.1109/ICMLC.2013.6890784.
T. Hassan and H. A. Khan, “Handwritten Bangla numeral recognition using Local Binary Pattern,” in 2015 International Conference on Electrical Engineering and Information Communication Technology (ICEEICT), May 2015, pp. 1–4, doi: 10.1109/ICEEICT.2015.7307371.
N. Das, R. Sarkar, S. Basu, M. Kundu, M. Nasipuri, and D. K. Basu, “A Genetic Algorithm Based Region Sampling for Selection of Local Features in Handwritten Digit Recognition Application,” Appl Soft Comput, vol. 12, no. 5, pp. 1592–1606, May 2012, doi: 10.1016/j.asoc.2011.11.030
S. Pasha and M. C. Padma, “Handwritten Kannada character recognition using wavelet transform and structural features,” in 2015 International Conference on Emerging Research in Electronics, Computer Science and Technology (ICERECT), Dec. 2015, pp. 346–351, doi: 10.1109/ERECT.2015.7499039.
C. Liyanage, T. Nadungodage, and R. Weerasinghe, “Developing a commercial grade Tamil OCR for recognizing font and size independent text,” in 2015 Fifteenth International Conference on Advances in ICT for Emerging Regions (ICTer), Aug. 2015, pp. 130–134, doi: 10.1109/ICTER.2015.7377678
A. Singh and S. Desai, “Optical character recognition using template matching and back propagation algorithm,” in 2016 International Conference on Inventive Computation Technologies (ICICT), Aug. 2016, vol. 3, pp. 1–6, doi: 10.1109/INVENTIVE.2016.7830161
GitHub, “tesseract-ocr/tesseract,” [Online]. Available: https://github.com/tesseract-ocr/tesseract [accessed Oct. 20, 2020].
G. Van Rossum and F. L. Drake, Python 3 Reference Manual. Scotts Valley, CA: CreateSpace, 2009.
G. Bradski, “The OpenCV Library,” Dr Dobbs J. Softw. Tools, 2000
“OpenCV: Color conversions,” [Online]. Available: https://bit.ly/3CmqHqi [accessed Oct. 20, 2020].
S. Raschka and V. Mirjalili, Python machine learning: machine learning and deep learning with Python, scikit-learn, and TensorFlow, Second edition, Fourth release, [fully revised and Updated]. Birmingham Mumbai: Packt Publishing, 04
A. Kaehler and G. R. Bradski, Learning OpenCV 3: computer vision in C++ with the OpenCV library, First edition, Second release. Sebastopol, CA: O’Reilly Media, 2017.
“Improving the quality of the output,” tessdoc. https://tesseract-ocr.github.io/tessdoc/ImproveQuality.html (accessed Oct. 20, 2020).
N. Otsu, “A Threshold Selection Method from Gray-Level Histograms,” IEEE Trans. Syst. Man Cybern., vol. 9, no. 1, pp. 62–66, Jan. 1979, doi: 10.1109/TSMC.1979.4310076
Descargas
Publicado
Número
Sección
Licencia
Aviso de derechos de autor/a
Los autores/as que publiquen en esta revista aceptan las siguientes condiciones:
- Los autores conservan los derechos de autor y ceden a la revista el derecho de la primera publicación, con el trabajo registrado con la Creative Commons Attribution-Non-Commercial-Share-Alike 4.0 International, que permite a terceros utilizar lo publicado siempre que mencionen la autoría del trabajo y a la primera publicación en esta revista.
- Los autores pueden realizar otros acuerdos contractuales independientes y adicionales para la distribución no exclusiva de la versión del artículo publicado en esta revista (p. ej., incluirlo en un repositorio institucional o publicarlo en un libro) siempre que indiquen claramente que el trabajo se publicó por primera vez en esta revista.
- Se permite y recomienda a los autores a compartir su trabajo en línea (por ejemplo: en repositorios institucionales o páginas web personales) antes y durante el proceso de envío del manuscrito, ya que puede conducir a intercambios productivos, a una mayor y más rápida citación del trabajo publicado.
Descargo de Responsabilidad
LAJC en ningún caso será responsable de cualquier reclamo directo, indirecto, incidental, punitivo o consecuente de infracción de derechos de autor relacionado con artículos que han sido presentados para evaluación o publicados en cualquier número de esta revista. Más Información en nuestro Aviso de Descargo de Responsabilidad.
