Necesitas saber todo lo que hay que saber sobre esta nueva herramienta de lectura de textos basada en IA, principalmente porque te dir\u00e1 lo que necesitas saber sobre muchas cosas, como la calidad y el estado de tus productos.<\/p>
Mi colega Jim Witherspoon caus\u00f3 un gran revuelo cuando afirm\u00f3 en una reciente publicaci\u00f3n de blog que el OCR de aprendizaje profundo era uno de los avances m\u00e1s significativos en la tecnolog\u00eda de la visi\u00f3n en los \u00faltimos tiempos. La mayor\u00eda de las personas no piensan en el OCR como \u00abavanzado\u00bb de ninguna manera, forma o forma, excepto tal vez de edad avanzada. (Tiene m\u00e1s de 50 a\u00f1os). Sin embargo, el OCR de aprendizaje profundo superar\u00e1 las pruebas que dejar\u00edan perplejo al OCR convencional. Por lo tanto, sostengo que las herramientas de OCR de aprendizaje profundo deber\u00edan ser tan comunes en las instalaciones de fabricaci\u00f3n, almacenamiento, env\u00edo y recepci\u00f3n como lo son los tel\u00e9fonos inteligentes en la sociedad moderna.<\/p>
En cualquier lugar donde los productos y embalajes deban ser examinados constantemente antes de ser autorizados y clasificados para su posterior movimiento podr\u00edan beneficiarse de las herramientas de OCR de aprendizaje profundo que han sido entrenadas para perfeccionar incluso las discrepancias m\u00e1s peque\u00f1as en el texto grabado en los chips, p\u00edldoras y componentes m\u00e1s peque\u00f1os. \u00bfVe inconsistencias en los datos de las etiquetas? \u00bfLe preocupa que se haya impreso informaci\u00f3n incorrecta en el embalaje? Las herramientas de OCR de aprendizaje profundo le dir\u00e1n si su corazonada es correcta, y lo har\u00e1 en una fracci\u00f3n de segundo.<\/p>
As\u00ed es: contrariamente a la creencia popular, es posible ense\u00f1ar nuevos trucos a un perro viejo y este perro viejo (OCR) puede aprender muchos trucos nuevos, y r\u00e1pido, gracias a los modelos de IA de aprendizaje profundo. Estamos hablando en cuesti\u00f3n de minutos.<\/p>
Por lo tanto, mant\u00e9n la mente abierta mientras sigues leyendo porque el OCR de aprendizaje profundo NO es el OCR tradicional en el que est\u00e1s pensando en este momento, y no crear\u00e1 los mismos problemas que le dieron al OCR tradicional una mala reputaci\u00f3n a lo largo de los a\u00f1os. De hecho, resuelve muchos, si no todos, los mayores desaf\u00edos que probablemente haya experimentado con las t\u00e9cnicas tradicionales de OCR. Por ejemplo, el OCR de aprendizaje profundo.<\/p>
No necesita mucho tiempo de entrenamiento. Ahora hay modelos preentrenados que puede tener en funcionamiento en 5-10 minutos. Simplemente \u00abdesempaque\u00bb la red neuronal, d\u00e9le algunas instrucciones y se pondr\u00e1 a trabajar.<\/p>
Permanece estable incluso cuando cambian los ajustes ambientales, como la iluminaci\u00f3n.<\/p>
Maneja casos de uso complejos como un profesional, en parte porque la red neuronal est\u00e1 entrenada para escenarios industriales, de salas limpias y de cadena de suministro donde \u00abcomplejo\u00bb es normal. (Hemos visto que la red neuronal OCR\u2122 de aprendizaje profundo de Aurora alcanza una precisi\u00f3n de hasta el 97% desde el primer momento, incluso cuando se trata de casos muy dif\u00edciles).<\/p>
Elimina la necesidad de que haya \u00abexpertos\u00bb en IA o visi\u00f3n inteligente en su n\u00f3mina. Mostrar al algoritmo de IA preentrenado c\u00f3mo funciona en su entorno es tan f\u00e1cil como dibujar un cuadro alrededor de los personajes en lo que necesite inspeccionar y dejar que la herramienta haga el resto. Tu equipo solo tiene que establecer la altura del personaje, la puntuaci\u00f3n m\u00ednima de confianza y la cadena de coincidencia para que todo est\u00e9 en marcha. Si necesita realizar un cambio, las inspecciones se pueden ajustar r\u00e1pidamente sobre la marcha para tener en cuenta los nuevos m\u00e9todos de impresi\u00f3n o los cambios de fuente.<\/p>
Funciona en cualquier c\u00e1mara inteligente o plataforma basada en PC. Se puede implementar en muchos dispositivos diferentes que ejecutan tantos sistemas operativos diferentes: piense en escritorios integrados Windows, Linux o Linux ARM y dispositivos compactos (como Raspberry Pi o Nvidia Jetson), dispositivos port\u00e1tiles Android y, por supuesto, c\u00e1maras inteligentes. Puede funcionar en una GPU o CPU. Y puede tomar \u00abel control total sobre el desarrollo y la integraci\u00f3n con otras aplicaciones en C++ o .NET utilizando la biblioteca Aurora Vision de Zebra\u00bb, como mi amigo Donato Montanari ha recordado al mundo en muchas ocasiones.<\/p>
Pi\u00e9nselo de esta manera, el OCR de aprendizaje profundo (al menos el modelo que ofrece Zebra) es similar al cerebro de un ingeniero que ya ha sido entrenado con cientos de miles de im\u00e1genes y ha aprendido a adaptarse a diferentes escenarios. Ese cerebro est\u00e1 listo para ser puesto a trabajar y tener un impacto inmediato despu\u00e9s de un informe de 5 a 10 minutos. El OCR convencional, por otro lado, es como pedirle a un ni\u00f1o de cinco a\u00f1os que descifre lo que est\u00e1 frente a \u00e9l y detecte \u00abqu\u00e9 est\u00e1 mal con esta imagen \/ frase\u00bb a la perfecci\u00f3n a pesar de que reci\u00e9n est\u00e1 aprendiendo a leer. El ni\u00f1o puede ser capaz de entender las pocas letras e identificar el tipo\/color de las fuentes que ha visto, pero eso es todo.<\/p>
Es por eso que es dif\u00edcil encontrar fallas en las t\u00e9cnicas de OCR de aprendizaje profundo. Es muy bueno para encontrar fallas en el texto de los productos y etiquetas que salen de la l\u00ednea, y no solo porque el m\u00e9todo de inspecci\u00f3n alternativo es una herramienta de OCR m\u00e1s rudimentaria\/convencional.<\/p>
Con el OCR de aprendizaje profundo, no importa si los caracteres que le pides a la IA que lea est\u00e1n oscurecidos, da\u00f1ados, grabados, grabados, en relieve, personalizados para tu empresa, reflectantes, en una superficie curva o con un aspecto diferente al del conjunto de entrenamiento original debido a variaciones de iluminaci\u00f3n. Le dir\u00e1 si algo est\u00e1 presente o ausente, si est\u00e1 bien o mal, si est\u00e1 listo para ir al cliente o si necesita ser extra\u00eddo del inventario. \u00a1Y lo har\u00e1 en milisegundos!<\/p>
Un socio de Zebra hizo una demostraci\u00f3n en SPS Italia hace poco m\u00e1s de un a\u00f1o para mostrar la rapidez con la que el OCR de aprendizaje profundo pod\u00eda leer diferentes tipos de marcas, y el tiempo medio de ejecuci\u00f3n fue de 12 milisegundos. Sin embargo, honestamente, no es inusual que los tiempos de ejecuci\u00f3n sean tan bajos como 8-10 milisegundos, incluso en lo que normalmente se considerar\u00eda un escenario \u00abcomplejo\u00bb para el OCR tradicional. Mira esto:<\/p>