CN109844886B - 具有打印检查的打印机设备、打印机标记系统以及方法 - Google Patents
具有打印检查的打印机设备、打印机标记系统以及方法 Download PDFInfo
- Publication number
- CN109844886B CN109844886B CN201780062935.4A CN201780062935A CN109844886B CN 109844886 B CN109844886 B CN 109844886B CN 201780062935 A CN201780062935 A CN 201780062935A CN 109844886 B CN109844886 B CN 109844886B
- Authority
- CN
- China
- Prior art keywords
- printer
- code
- image
- product
- inspection
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/12—Detection or correction of errors, e.g. by rescanning the pattern
- G06V30/133—Evaluation of quality of the acquired characters
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B41—PRINTING; LINING MACHINES; TYPEWRITERS; STAMPS
- B41J—TYPEWRITERS; SELECTIVE PRINTING MECHANISMS, i.e. MECHANISMS PRINTING OTHERWISE THAN FROM A FORME; CORRECTION OF TYPOGRAPHICAL ERRORS
- B41J29/00—Details of, or accessories for, typewriters or selective printing mechanisms not otherwise provided for
- B41J29/38—Drives, motors, controls or automatic cut-off devices for the entire printing mechanism
- B41J29/393—Devices for controlling or analysing the entire machine ; Controlling or analysing mechanical parameters involving printing of test patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/217—Validation; Performance evaluation; Active pattern learning techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/19—Recognition using electronic means
- G06V30/191—Design or setup of recognition systems or techniques; Extraction of features in feature space; Clustering techniques; Blind source separation
- G06V30/1916—Validation; Performance evaluation
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01H—ELECTRIC SWITCHES; RELAYS; SELECTORS; EMERGENCY PROTECTIVE DEVICES
- H01H9/00—Details of switching devices, not covered by groups H01H1/00 - H01H7/00
- H01H9/30—Means for extinguishing or preventing arc between current-carrying parts
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30144—Printing quality
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/95—Pattern authentication; Markers therefor; Forgery detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/04—Recognition of patterns in DNA microarrays
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/10—Recognition assisted with metadata
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Quality & Reliability (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Accessory Devices And Overall Control Thereof (AREA)
- Record Information Processing For Printing (AREA)
Abstract
一种设备包括打印机,所述打印机被配置成基于打印机技术类型而在产品的基底上施加打印内容的代码,所述代码具有多个数位。所述设备包括光学代码检测器,光学代码检测器由一个或多个处理器执行,以通过如下方式来检测在由打印机打印的产品的所接收的图像中的代码:使用针对打印机技术类型的经训练的光学字符识别(OCR)算法光学地识别所接收的图像中的字符。OCR算法被训练为基于打印内容被直接施加到的至少一个产品参数以及打印机技术类型来标识感兴趣的区(ROI)中的代码的所述多个数位中的每个数位。还提供了一种系统和方法。
Description
对相关申请的交叉引用
本申请根据35 U.S.C.§119(e)要求2016年8月11日提交的申请号为62/373,540的美国临时申请的权益,所述申请的全部内容据此通过引用被并入,就好像在本文中被完全阐明一样。
背景技术
实施例涉及具有多级生产打印检查的打印机设备、打印机标记系统以及方法。
工业应用中对于连续喷墨(CIJ)的光学字符识别是困难的。当前,嵌入有视觉系统的相机系统在用于工业应用的检查性能中具有50%的可靠性。许多顾客对于视觉系统的准确性是有怀疑的,因为这些系统通常由于高比率的假阳性而失效。假阳性是视觉系统将良好的产品评级为低劣产品的情况。将产品评级为低劣有后果。第一后果是浪费时间来手动地视觉检查产品,在必须视觉检查大量产品的情况下,这可能是高成本的。第二后果是关断视觉系统,使得生产能运行。
具有视觉系统的智能相机与没有视觉系统的相机相比是非常高成本的。例如,智能相机可能花费$3500,而没有视觉系统的相机可能花费$500。在工业应用中,在利用多个不同打印机技术的多个生产线的情况下,成本增加。
发明内容
本文中的实施例涉及具有多级生产打印检查的打印机设备、打印机标记系统以及方法。各实施例还可以包括非暂时性有形计算机可读存储介质。
实施例的一方面包括一种设备,该设备包括打印机,所述打印机被配置成基于打印机技术类型而在产品基底上施加打印内容的代码,所述代码具有多个数位。所述设备包括光学代码检测器,光学代码检测器由一个或多个处理器执行,以通过如下方式来检测在由打印机打印的产品的所接收的图像中的代码:使用针对打印机技术类型的经训练的光学字符识别(OCR)算法光学地识别所接收的图像中的字符。OCR算法被训练为基于打印内容被直接施加到的产品的至少一个参数以及打印机技术类型来标识感兴趣的区(ROI)中的代码的所述多个数位中的每个数位。
实施例的另一方面包括一种系统,该系统包括:打印机,所述打印机被配置成基于打印机技术类型而在产品基底上施加打印内容的代码,所述代码具有多个数位。所述系统包括相机,相机用于自动地捕获产品基底上的代码的图像。所述系统包括光学代码检测器,光学代码检测器由一个或多个处理器执行,以通过如下方式来检测在由打印机打印的产品的所捕获的图像中的代码:使用针对打印机技术类型的经训练的光学字符识别(OCR)算法光学地识别所捕获的图像中的字符。OCR算法被训练为基于打印内容被直接施加到的产品的至少一个参数以及打印机技术类型来标识感兴趣的区(ROI)中的代码的所述多个数位中的每个数位。
实施例的另一方面包括一种方法,该方法包括:通过打印机基于打印机技术类型而在产品基底上打印打印内容的代码,所述代码具有多个数位;通过相机自动地捕获产品基底上的代码的图像;以及通过一个或多个处理器光学地检测由打印机打印的产品的所捕获图像中的代码,所述检测包括使用针对打印机技术类型的经训练的光学字符识别(OCR)算法来光学地识别所捕获图像中的字符,所述OCR算法被训练为基于打印内容被直接施加到的产品的至少一个参数以及打印机技术类型来标识感兴趣的区(ROI)中的代码的所述多个数位中的每个数位。
附图说明
在以上简要陈述的更具体的描述将参考其特定实施例被呈现,所述特定实施例在附图中被图示。要理解的是,这些附图仅仅描绘典型的实施例并且因此不被视为限制其范围,将通过使用附图,利用附加的明确性和细节来描述和解释实施例,在所述附图中:
图1A图示了具有多级生产打印检查的打印标记(PM)系统的框图;
图1B图示了具有多级生产打印检查的打印标记(PM)系统的框图,所述多级生产打印检查具有品质核查;
图2图示了元数据的框图;
图3图示了字段值的框图;
图4图示了图像识别(IR)算法的数据库的框图;
图5A图示了光学字符识别(OCR)算法的数据库的框图;
图5B图示了OCR机器学习模块的框图;
图6图示了检查解码器的框图;
图7图示了已归档图像的数据库的框图;
图8A-8B图示了用于具有多级检查的打印标记的方法的流程图;
图9图示了用于组装检查图形用户界面(GUI)以用于打印品质核查的方法的框图;
图10图示了计算设备的框图;
图11图示了与多个系统对接的打印机标记系统的框图;
图12A图示了伪造检测系统的框图;
图12B图示了伪造检测过程的流程图;
图13A图示了理想字符模板;
图13B图示了打印字符模板;
图14A图示了在感兴趣的区(ROI)中具有打印内容的包装;
图14B图示了采用具有打印内容的瓶盖的形式的凸基底;
图14C图示了具有被部分地示出的打印内容的凹基底;并且
图15A和15B图示了伪造代码。
具体实施方式
在本文中参考所附各图来描述各实施例,其中贯穿各图使用相似的参考标号来标明类似或等同的元素。各图不是按比例绘制的,并且它们仅仅被提供用于图示本文中所公开的方面。以下参考用于说明的非限制性示例应用来描述若干所公开的方面。应当理解到,众多具体细节、关系和方法被阐明以提供对本文中所公开的实施例的充分理解。然而,相关领域普通技术人员将容易地认识到,可以在没有一个或多个具体细节的情况下或利用其它方法实践所公开的实施例。在其它实例中,众所周知的结构或操作没有被详细示出以避免使本文中所公开的方面模糊。实施例不受动作或事件的所图示的次序所限制,因为一些动作可以按不同的次序和/或与其它动作或事件并发地发生。此外,并非所有图示的动作或事件都被需要以实现根据实施例的方法。
尽管阐明宽范围的数值范围和参数是近似值,但是特定非限制性示例中所阐明的数值尽可能精确地被报告。然而,任何数值固有地包含某些误差,所述误差必定产生自在其相应的测试测量中所发现的标准偏差。此外,本文中所公开的所有范围要被理解为包括被归入其中的任何和全部子范围。例如,“小于10”的范围可以包括在最小值零和最大值10之间(并且包括它们)的任何和全部子范围,也就是说,具有等于或大于零的最小值以及等于或小于10的最大值的任何和全部子范围,例如1到4。
图1A图示了具有多级生产打印检查的打印标记(PM)系统110。PM系统110可以包括与至少一个计算设备150对接的至少一个打印机115以及至少一个相机118。每个计算设备150可以具有至少一个人机接口(HMI)122以及被存储在存储器(图10)中的元数据130。所述至少一个计算设备150可以各自存储字段值132。将关于图10更详细地描述所述至少一个计算设备150。作为非限制性示例,所述至少一个打印机115可以包括以下各项中的一项或多项:连续喷墨(CIJ)打印机、激光打印机、热转移套印(TTO)打印机、热喷墨(TIJ)打印机以及LCM打印机。
PM系统110可以与打印检查系统(PIS)160对接。打印检查系统160可以包括第一检查级处理器161和第二检查级处理器180。所述至少一个HMI 122可以显示从第一检查级处理器161和第二检查级处理器180所接收的信息。在一些实施例中,每个计算设备150可存在单个HMI 122。所述至少一个相机118可以关联于PM系统110,或可以是PIS 160系统的部分。作为PIS 160的部分的所述至少一个相机118将会是PM系统110中的嵌入组件。在一些实施例中,所述至少一个相机118可以与一个或多个系统共享。
打印机115可以与光学字符识别(OCR)算法配对,所述光学字符识别(OCR)算法由至少一个处理器执行以形成光学代码检测器。光学代码检测器,由一个或多个处理器执行,通过如下方式来检测在打印机115打印的产品的所接收的图像中的代码:使用针对打印机技术类型的经训练的光学字符识别(OCR)算法光学地识别所接收的图像中的字符。作为非限制性示例,OCR算法可以被训练为基于打印机参数以及打印机技术类型来标识所选的感兴趣的区(ROI)中的代码的所述多个数位中的每个数位,所述打印机参数非限制性地诸如是与基底材料对应的基底类型和打印内容被直接施加到的基底的曲率。
为了简明,PM系统110被示出为具有生产线140。生产线140可以连续地移动所示出的多个小部件(widget)W1、W2和W3。虚线箭头表示生产线140的流动方向。在生产期间,利用内容(即打印内容)或代码来打印小部件。生产线140可以包括并行路径PL1和PL2。路径PL1可以在路径PL1中将小部件W1、W2和W3移动到打印机以用于在所指定的感兴趣的区(ROI)中进行打印。路径PL2可以在路径PL2中将包装(PK)移动到打印机以用于在所指定的感兴趣的区(ROI)中进行打印,所述包装(PK)作为非限制性的示例被配置用于小部件W1、W2和W3。每个路径PL1和PL2可以包括至少一个相机和至少一个打印机。针对每个路径PL1和PL2的元数据和字段值可以被同步和/或关联到其它并行路径的元数据和字段值。
尽管如此,一些小部件可不包括单独的包装。此外,一些小部件可具有待打印的附加感兴趣的区(ROI),每个ROI可使用不同的打印机技术来打印打印内容的字符和/或符号,并且可以使用生产线140中的不同路径。
生产线140可以包括至少一个打印机115,用于在小部件或包装上的至少一个感兴趣的区中打印打印内容。
在实施例中,所述至少一个HMI 122可以包括显示器1062(图10)和HMI驱动器1022A(图10),它们被配置成显示来自和去往打印机115的打印机信息以及来自和去往相机118的相机信息。显示器1062可以是触摸屏。打印机115可以受打印机元数据和打印驱动器控制。打印驱动器可以特定于打印机制造,或可以具有定制的特征和设置。元数据130可以包括用于将由打印机115打印的所打印文本的打印机设置。生产线140由生产线元数据控制。相机118可以基于控制数据(诸如相机设置和触发器)和/或元数据被操作。相机118可以被配置成捕获具有由打印机115所施加或打印的打印机标记的小部件W1、W2或W3的图像。在一些实例中,小部件W1、W2和W3将被分别包装在包装(PK)01、02和03中。因而,被打印在包装PK 01、02和03上的代码可以与例如小部件W1、W2和W3的代码或字段值同步。
小部件包括所制造的产品。所制造的产品可以包括小部件基底,打印代码经由打印机115被打印到小部件基底或被打印在小部件基底上。小部件基底可以是填充有产品材料的容器。在一些实例中,打印是在小部件基底而不是在产品材料上,尤其是如果产品材料从容器分发诸如用于消耗或应用的话。
相机118可以按速率R捕获图像,其中速率R可以是用于发起由相机118进行的图像捕获过程的触发的系统设置。在一些实施例中,相机118可以每一分钟、两分钟或其它间隔捕获图像。对于生产周期,速率R可以变化。作为非限制性示例,在一些实施例中,速率可以在生产周期的开始时更慢并且在生产周期的结束时更快。在其它实施例中,速率R可以是恒定速率。图像捕获的速率可以是生产线移动的速率的函数。
所捕获的图像是去往计算设备150的信息源。计算设备150将具有元数据和字段值的所捕获的图像传送到第一检查级处理器161以起动检查过程。计算设备150将字段值132提供到打印机115以执行打印,并且提供到第一检查级处理器161以用于在检查过程中使用。
计算设备150标识针对生产线140正在处理的一批小部件或单个小部件的字段值132。字段值132可以是打印的文本或代码的字符内容。在一些实施例中,字段值132或产品/包装代码由顾客提供。在一些实施例中,字段值132包括由产品或包装代码生成器1070(图10)所自动生成的产品或包装代码。产品或包装代码可以是使用采用任何语言的标准字符、数字或符号的标准代码。采用任何语言的标准字符、数字或符号可以用如下方式被打印:所述方式与用于在基底上施加打印内容的任何一个特定打印机技术的工业和/或工业标准或实践一致。在一些实施例中,生产线将基于(一个或多个)标准产品/包装代码来生成认证码,如将关于图10和15A-15B更详细地讨论的。一批小部件可以包括两个或更多小部件。
图3图示了字段值132的框图。例如,字段值132可以包括一个或多个值,该一个或多个值指明当前日期333、当前时间335、有效期337或最佳使用日期。字段值可以变化,并且不限于通过示例所特别提及的那些。字段值132可以包括字段值内容339,诸如符号、徽标或文本(即字母数字字符)。字段值132的值可以包括能够被打印机打印或制成的字母数字字符流或符号。字段值132可以包括表示徽标的信息。字母数字字符流、符号、文本或徽标可以在下文中被称为“打印内容”。
字段值132提供用于确定打印机115是否在打印准确信息(即打印内容)的比较基础。作为非限制性示例,数据库168中的图像识别(IR)算法可以用于将所捕获的图像内的面积缩减成打印内容的面积,打印内容与字段值132比较以确定正确性或准确性。作为非限制性示例,在通过“人在回路(man-in-the-loop)”过程来检查图像的情况中,人类可以使用通过图形用户界面(GUI)所提供的字段值132来确定正确性或准确性。稍后将详细描述人在回路过程。该检查级可以用于训练OCR算法,因为人在回路可发现假阳性和/或假失败。OCR算法可以被更新以处理第二级检查过程的结果。
检查系统160可以包括被耦合到第一检查级处理器161的(一个或多个)光学字符算法数据库170。检查系统160可以包括也被耦合到第一检查级处理器161的图像归档数据库175。术语数据库可以表示一个或多个存储器设备或有形且非暂时性的计算机可读存储设备。
图2图示了元数据130的框图。元数据130可以包括参数,所述参数包括用于在生产线140中在小部件上进行打印的打印技术或类型233。元数据130可以包括以下各项中的一项或多项:字体数据235、栅格数据239、竖直数据237以及其它数据。字体数据235和栅格数据239可以用于通过光学字符识别检查过程模块166来将图像译解成字符,如稍后将描述的。元数据可以变化,并且不限于通过示例所特别提及的参数或数据。
元数据130可以包括产品包装规范参数241和如下数据:所述数据可以对产品简档进行分类以在数据库168中从多个图像识别算法中选择图像识别(IR)算法。打印机技术可以包括打印机类型,诸如连续喷墨(CIJ)、激光、热转移套印(TTO)、热喷墨(TIJ)和在特定标记过程中所使用的LCM。产品包装规范参数可以包括小部件的细节,非限制性地诸如是颜色、材料和表面曲率。表面曲率可以包括指示符,该指示符对表面是凸表面还是凹表面进行标识。材料类型可以包括塑料材料、反射性材料、非反射性材料、光滑材料、透明材料等等。
发明人已经确定了对至少瓶塞和弯曲表面上的图像的识别在这样的瓶塞或弯曲表面上具有较高比率的假阳性。分类引擎163可以在所接收的图像上执行图像识别,以首先确定产品类型是否是正确的产品类型。在弯曲表面上打印的字符与在非弯曲表面上打印的打印字符相比可具有透视图。
图4图示了多个图像识别(IR)算法的数据库168的框图。数据库168可以包括以下各项中的一项或多项:IR瓶塞算法402、IR弯曲表面算法404、IR非弯曲表面算法406、IR颜色识别算法408、IR表面材料类型识别算法410以及IR几何形状识别算法412。数据库168可以包括能够区分(一个或多个)产品的几何形状的多个IR算法。
第一检查级处理器161的分类引擎163执行两个检查过程。第一检查过程可以在IR检查过程模块165中使用所选的图像识别算法来验证与元数据相关的产品(即小部件)。IR检查过程模块165可以使用一个或多个算法来核实或验证多个产品简档参数。例如,顾客可能想要与其它产品简档不同地处理不同的产品简档。
IR检查过程模块165可以提供检查过程来验证:正在被检查的产品(即小部件)是对于具有正确产品参数的正确产品的匹配。IR检查过程模块165还可以允许验证产品的颜色。尽管如此,元数据可以包括产品参数,所述产品参数可以包括以下各项中的一项或多项:尺寸、形状、颜色、类型、设计、基底类型、基底材料、基底反射率、基底凹度、基底凸度、基底透明度等等,这些产品参数对于产品的物理可分类简档而言是唯一的。IR检查过程模块165可以被改进或优化使得通过基于元数据来调整IR算法而缩减图像的处理时间。
作为非限制性示例,打印内容可以被指定用于带具有凹表面的弯曲表面的“红”颜色小部件。第一检查过程可以确定所接收的图像是否根据产品的物理可分类简档而对产品进行分类。换言之,IR检查过程模块165可以特别地寻找弯曲表面简档或某种其它几何形状。因此,元数据被提供到第一检查级处理器161,使得通过IR检查过程模块165来为几何简档特别地选择图像识别算法。在其它示例中,图像识别算法可以被配置成识别瓶塞。在其它示例中,图像识别算法可以被配置成识别非弯曲表面。在一些实施例中,如果产品的物理可分类简档没有被验证,则响应被发送到计算设备150。因而,生产线140可以被停止,或者警报被生成到适当的生产监控器或品质控制监控器。警报可以包括电子邮件警报、文本消息警报、光指示符或扬声器输出。例如,生产监控器可以确定错误的产品在生产线140上。在另一示例中,某个颜色的产品可能需要白墨,而另一颜色的产品可能需要黑墨。
产品可以包括具有不同颜色的多个区域。某些颜色可以用于指定打印内容区域。因而,在一些实施例中,可以由IR检查过程模块165来检测打印内容区域。例如,在一些实施例中,打印内容被施加到具有条形码的区域,其中所述区域具有诸如正方形或矩形的几何形状并且在颜色上可以是白色的。因而,例如,OCR检查过程模块166可以使用来自模块165的信息和元数据来在所指定的白色区域中执行OCR,以起动检查过程166。在一些实施例中,图像中的多个区域具有打印内容,其中由OCR算法来检查每个区域。在一些实施例中,整个图像经受OCR算法。
第一检查级处理器161可以执行光学字符识别(OCR)检查过程模块166,用于向结果生成器167产生OCR内容结果。在某一实施例中,OCR检查过程模块165可以检测到打印内容区域中的打印内容,如果打印内容由IR检查过程模块165提供的话。在一些实施例中,OCR检查过程模块166可以使用元数据来确定图像内的区域,以起动OCR检查过程模块166。针对每个光学识别的字符和/或徽标的OCR内容结果被发送到结果生成器167并且被组装使得由OCR检查过程模块166所生成的得到的字符流可以被解码以验证得到的字符流的打印内容。如果打印内容被解码并且被验证,则第一检查级处理器161将响应提供到计算设备150以指示检查通过或被验证。第一检查级处理器161可以包括检查解码器172,用以解码OCR内容结果以验证打印内容。
图5A图示了多个光学字符识别(OCR)算法的数据库170的框图。所述多个光学字符识别(OCR)算法可以包括OCR激光打印算法502、OCR CIJ打印算法504、OCR TTO打印算法506、OCR TIJ打印算法508、OCR LCM喷墨打印算法510或其它OCR打印技术打印算法512。LCM喷墨打印大字符。光学字符识别(OCR)检查过程模块166可以被改进或优化,使得通过针对打印技术调整OCR算法而缩减OCR的处理时间。
图5B图示了OCR机器学习模块550的框图。每个OCR算法可以包括OCR机器学习模块550,所述OCR机器学习模块550被配置成被训练以改进打印检查性能,并且如果适当的话改进用于伪造检测系统的认证码。OCR机器学习模块550可以针对打印机技术类型552被配置和训练。OCR机器学习模块550可以基于一个或多个产品参数被训练。产品参数可以包括产品或基底的材料、形状、凹度、材料或产品的反射率、材料或产品的透明度以及产品或材料的颜色。训练可以基于被存储在透明容器内的材料(即固体、粉末、液体)的类型或材料的颜色,其中透明容器提供在其上施加打印的代码的基底。容器和容器内的材料有时可以被统一称为产品。例如,OCR机器学习模块550可以基于产品基底材料554被训练。OCR机器学习模块550可以基于产品基底形状556被训练。OCR机器学习模块550可以基于产品颜色558被训练。OCR机器学习模块550可以基于反射度560被训练。OCR机器学习模块550可以基于透明度562被训练。OCR机器学习模块550可以基于基底的凹度564被训练。OCR机器学习模块550可以基于基底的凸度566被训练。在适当时,来自第二检查级的结果可以利用第二检查级的结果来更新OCR机器学习模块550,以改进性能。OCR机器学习模块550可以基于代码的至少一个数位被训练,而无论所述至少一个数位是通过还是未通过光学识别检测。
作为非限制性示例,在反射性基底上打印的字符、数字和/或符号在一些实例中可能不被正确地识别。
作为非限制性示例,在透明基底上打印的字符和符号基于在透明容器中所填充的产品可能难以识别。这在如下情况中可能更成问题:打印的字符或符号包括驻留在容器的被填充部分中的第一字符部分而第二字符部分驻留在透明容器的未被填充部分中。此外,在透明容器中所填充的产品的颜色可削弱对字符的识别。因而,第二检查级可以更新OCR机器学习模块550,以训练OCR机器学习模块550,诸如作为非限制性示例,通过监督式学习。OCR机器学习模块550在一些实例中可以基于非监督式学习被训练。
机器学习模块可以采用神经网络、人工神经网络、贝叶斯网络、学习分类器系统、决策树学习等等。
图6图示了检查解码器172的框图。检查解码器172可以包括IR结果与元数据比较器单元601,其用于将来自IR检查过程模块165的IR结果与元数据130的一个或多个参数进行比较。检查解码器172可以包括OCR结果与字段值比较器单元603以及多个字符确定单元604。当基于字段值,OCR内容结果相同时,打印内容被验证。检查解码器172可以确定OCR内容中的数位或字符的数目,该数目可以通过字符数目确定单元604来被验证。
第一检查级处理器161可以确定OCR检查过程模块166中的误差,以使得过程中止,或者是否没有字符可被识别。
处理器161或检查解码器172可以通过单元601或603中的至少一个来确定解码失败。如果解码失败,则生成通信用于由第二检查级处理器180接收。第二检查处理器180包括图形用户界面(GUI)任务生成器182,图形用户界面(GUI)任务生成器182产生用于第二检查级190的GUI。GUI任务生成器182获得图像183以用于填入GUI,其中所述图像被用在IR检查过程模块165中。在一个示例中,GUI任务生成器182可以生成数据输入字段185,以允许第二检查级190中的“人在回路”录入图像183中的文本的在视觉上被检查的字符用于与字段值132进行比较。在一些实施例中,图像183被叠覆有至少一个突出显示的框,所述突出显示的框由字段突出显示器184录入,该框围绕具有打印内容的检查区。GUI可以包括多个突出显示框。第二检查级190可以包括人在回路过程,其中人类执行视觉检查。例如,GUI可以包括任务请求,该任务请求具有应用编程接口(API)用于Amazon®的机械土耳其人(MechanicalTurk)。在另一实施例中,“人在回路”可以包括内部检查团队或其它品质保证(QA)服务提供商。结果可以训练OCR算法。
来自生成器182的GUI可以提示用户标识突出显示框中的内容是否匹配预期的图像/字符。一旦由GUI界面提交了应答,第二检查处理器180就将结果传送到计算设备150。在一个示例中,该结果可以是通过或未通过结果。
来自第一检查级处理器161或第二检查级处理器180的结果可以使得标记系统110对生产线140采取行动,诸如停止生产线或发送警报或通知。通知可以包括电子邮件、文本消息、即时消息传递警报等等。
图7图示了被存储在图像归档记录772中的归档图像的数据库175的框图。计算设备150或第一检查级处理器161可以将所接收的图像存储在数据库175中。可以开发图像归档记录。图像归档记录772可以包括与当前日期和时间日志信息777一起存储图像775。图像可以与检查结果773一起被存储,所述检查结果773非限制性地诸如是通过或未通过。图像775可以与元数据130一起被存储。
不能被解码的图像的储存库可触发生产线140中的改变或需要进一步的评估。归档图像可以由顾客的品质控制(QC)部门使用,以能够从实际生产线拉取关于某个日期/时间的历史图像。
所述系统可以用于反伪造技术。在图像用于反伪造技术的系统中,相机118将会拍摄每一个被打印或标记的小部件的至少一个图像。打印内容可以充当该产品的指纹。然而,第一检查级处理器161可以仅仅每X幅图像进行处理,以出于品质控制目的来检查打印内容。换言之,在一些实施例中,可能不是每个小部件的打印内容都被检查。
图8A-8B图示了用于具有多级检查的打印标记的方法800的流程图。所述方法可以按照所示的次序或按照不同的次序来执行各个框。可以添加附加的框或一些框可被删除。可以同时执行一个或多个框。方法800开始于框802,并且将关于图1A被描述。随着小部件W1、W2和W3连续地移动通过打印机115,在框802处,基于针对产品批次的元数据和字段值,利用采用代码形式的打印机文本来对小部件W1、W2和W3进行打印。
在框804处,相机118以预定速率R捕获生产线140的图像。在一些实施例中,所述速率可以允许相机118一次捕获一个小部件或可以跳过小部件。在一些实施例中,以下操作可以被同步或适当地定时:生产线140移动、由打印机115进行打印以及由相机118进行图像捕获。
在框806处,由计算设备150来组装检查通信。检查通信可以包括所捕获的图像。检查通信可以包括在打印过程中所使用的字段值132与元数据130。检查通信被发送到第一检查级处理器161,其中它在框808处被接收。
在框810处,第一检查级处理器161将处理所接收的通信以执行图像识别检查过程模块165,从而确定产品可分类简档。元数据130可以包括产品包装规范参数和值,产品包装规范参数和值可以对数据库168中的将在过程模块165中被使用的图像识别算法进行分类。因而,第一检查级处理器161将在数据库168中查找图像识别算法,以用于优化IR检查过程模块165。图像然后被处理以识别小部件的物理简档。分类引擎163可以对所接收的图像执行IR检查过程模块165,以首先基于产品包装规范参数确定是否检测物理简档。
在框812处,如果生成了误差,产品的物理可分类简档没有被检测到,则在框814处误差消息可以被发送到计算机设备150。第一检查过程可以使用IR算法来验证与元数据相关的产品(即小部件)。生产线140可以被停止140,或者警报可以被生成到适当的生产监控器或品质控制监控器。警报可以包括电子邮件警报、文本消息警报、光指示符或扬声器输出。在框812处,如果检测到物理简档,则方法800可以继续到框816。
在框816处,分类引擎163可以执行来自数据库170的光学字符识别(OCR)算法。在框222处,分类引擎163将在元数据中查找用于打印机技术的最佳OCR算法。分类引擎163也可以基于产品包装规范参数来查找最佳OCR算法。框816将产生OCR算法的OCR内容结果。在框818处,OCR内容结果可以被解码以验证打印内容。
在框820处,确定打印内容是否被解码并且被验证。如果确定为“是”,则第一检查级处理器161在框822处将响应提供到计算设备150以指示检查通过。
如果确定为“否”,则检查解码器172可能还必须确定可被验证的OCR文本中的字符的数目。验证/检查未通过的消息被发送到计算设备150。检查解码器172可以确定OCR过程中的误差,使得过程中止,或者是否没有字符可被识别。检查解码器172可以产生结果,所述结果指示解码失败。
如果确定为“否”,意味着在一些实例中解码失败,则生成通信用于由第二检查级处理器180接收。例如,其中解码可具有经解码的大多数字符。因而,仅仅在某个数目的字符已经解码失败之后,可以发起第二检查级处理器180。解码阈值可以由顾客设置和/或用于打印机的维护。
现在转到图8B,在框852处,检查数据被发送到第二检查处理器180。在框854处,生成检查任务请求,检查任务请求利用图像检查参数来填入图形用户界面(GUI)。在框856处,在GUI中突出显示打印内容字段。在框858处,所组装的GUI被传送,诸如非限制性地传送到“人在回路”。在框860处,显示检查GUI。人在回路将显示GUI,并且基于指令而录入信息。
在一些实施例中,图像被叠覆有至少一个突出显示的框,突出显示的框围绕检查区。GUI可以提示用户标识突出显示的框中的文本/内容是否匹配预期的图像/字符。在另一实施例中,可以在GUI中提供字段,用于录入所观察到的文本。一旦提交了应答,在框862处,第二检查处理器180就通过与GUI的接口来接收该应答。所述接口可以是基于web的因特网或内联网接口。所述接口可以是应用编程接口(API)。
在框864处,第二检查处理器180将结果传送到计算设备150。在一个示例中,结果可以是通过或未通过结果。
在框866处,来自第一检查级处理器161或第二检查级处理器180的结果可以使得标记系统110对生产线采取行动,诸如停止生产线或发送警报,诸如作为非限制性示例,用于打印机的维护。
图1B图示了具有多级生产打印检查的打印标记(PM)系统的框图,所述多级生产打印检查具有品质核查。图1A中的系统类似于图1B,因而为了简要,将仅仅描述差异。多级生产打印检查并入了品质核查。例如,打印机内容可以被解码但是打印品质可能是低劣的。作为非限制性示例,当打印品质恶化至某个水平的时候,可能需要更换墨。
处理器161或检查解码器172可以通过单元601或603中的至少一个来确定解码失败。如果解码失败,则生成通信以用于由第二检查级处理器180’接收。第二检查处理器180’包括图形用户界面(GUI)任务生成器182,图形用户界面(GUI)任务生成器182产生用于第二检查级190’的GUI。GUI任务生成器182’获得图像183以用于填入GUI,其中所述图像被用在IR检查过程模块165中。在一个示例中,GUI任务生成器182可以生成数据输入字段185,以允许第二检查状态190中的人在回路录入图像183中的文本的在视觉上被检查的字符,以用于与字段值132进行比较。在一些实施例中,图像183被叠覆有至少一个突出显示的框,所述突出显示的框由字段突出显示器184录入,该框围绕具有打印内容的检查区。GUI可以包括多个突出显示的框。
来自生成器182’的GUI可以提示用户标识突出显示的框中的内容是否匹配预期的图像/字符。一旦由GUI界面提交了应答,第二检查处理器180’就将结果传送到计算设备150。在一个示例中,结果可以是通过或未通过结果。
另外,GUI任务生成器182可以取回多个不同的打印品质图像。所述多个不同的打印品质图像可以包括低劣图像样本186A、良好图像样本186B、和一般图像样本186C,其中样本包括具有某种打印品质的打印内容。第二检查级190’可以提供关于打印品质缺陷的反馈,因此标记系统110可以动态地调节参数以减轻打印品质缺陷。在一些实施例中,可以从数据库175中的归档图像中取回样本。
在打印品质过程中,检查解码器172的操作可改变。例如,即使所有字符都被解码,所解码的每X幅图像也可以被发送用于由第二检查级处理器180和第二检查级190进行的打印品质检查,其中X是大于1的数。例如,系统可以每10幅图像或每50幅图像针对打印品质缺陷和/或训练OCR算法进行核查。然而,一旦打印内容开始展现不能被识别的至少一个字符,品质核查间隔就可以例如从5减小到3,直到打印内容未通过验证为止。
图9图示了用于组装检查图形用户界面(GUI)以用于使用图1B的系统进行打印品质核查的方法958的框图。方法958开始于在框902处取回低劣OCR打印图像样本。在框904处,取回良好的OCR打印图像样本。在框906处,取回一般的OCR打印图像样本。在框908处,利用低劣的、良好的和一般的样本以及其中文本区段或打印内容区段被突出显示的当前图像组装GUI。具有不同分类(即低劣、良好、一般)的图像的示例被生成,并且被嵌入在GUI中。例如,GUI将提供字段用于基于与嵌入的比较图像的比较来选择当前图像是良好的、低劣的还是一般的。在实施例中,比较图像可以特定于打印技术,使得相同的样本打印字体类型用于与当前图像的打印内容进行比较。
作为打印品质缺陷的结果,所述系统可能需要更换打印机。在一些实施例中,墨可能需要被更换。
图11图示了与多个系统1130、1140和1150对接的打印机标记(PM)系统1110(即PM系统110)的框图。系统1130可以是品质保证系统(QAS)。系统1140可以是伪造检测系统(CDS)。系统1160可以是打印检查系统(PIS)(即打印检查系统160)。PM系统1110可以包括至少一个打印机1115。在一些实施例中,PM系统110可以包括至少一个相机1118。PM系统1110类似于先前描述的PM系统110。由所述至少一个相机1118所捕获的图像可以被发送到QAS、CDS和PIS中的一个或多个。作为非限制性示例,所述至少一个相机1118可以是被QAS、CDS和PIS共享的组件,但是被嵌入在PM系统1110中。在一些实施例中,所述至少一个相机可以是PIS的部分,但是被嵌入在PM系统1110中,用于在基底上打印了代码之后立即或不久捕获产品的图像。
例如,每个图片可以被发送到伪造检测系统。所捕获的图像(即照片或图片)可以被存储在伪造产品图像数据库1145中。取决于生产,产品的图像可以被存储在伪造产品图像数据库1145中。包装(PK)的图像可以被存储在伪造包装图像数据库1146中。
在一些实施例中,每X幅捕获的图像可以被发送到打印检查系统1160(即检查系统160)。取决于生产,产品的图像可以被存储在产品图像归档数据库1175中。包装(PK)的图像可以被存储在包装图像归档数据库1176中。
在一些实施例中,QAS还可以接收所捕获的图像,所捕获的图像被存储在QA产品图像数据库1135中。取决于生产,包装的图像可以被存储在QA包装图像数据库1136中。PM系统1110(即PM系统110)可以使用生产线(即生产线140)中的相机来捕获产品和包装中至少一个的图像,以用于品质控制操作、伪造检测和打印内容的检查。
图12A图示了具有移动计算设备1202的系统1200的框图,所述移动计算设备1202被配置成具有与伪造检测系统(CDS)1240的选择性通信。用户可以经由移动计算设备1202来发起与CDS 1240的通信会话。移动计算设备1202可以包括诸如关于图10所描述的计算设备。移动计算设备1202可以经由视频相机或相机1204来被启用视频或启用相机。移动计算设备1202可以包括各种应用,包括用于通过因特网或其它无线通信系统1230来无线地通信的网络接口。移动计算设备1202可以包括消费者伪造检测应用1210。
消费者伪造检测应用1210可以包括通信模块1212,用于与距移动计算设备1202远程的伪造检测系统1240建立通信。消费者伪造检测应用1210可以包括实时成像器1214,实时成像器1214与视频设备或相机1204对接以捕获正针对确证性被调查的产品或包装的图像,包括对于肉眼可见的可视代码。消费者伪造检测应用1210可以包括远程CDS图像接收器1216,远程CDS图像接收器1216以虚线表示以标示可选功能,如将更详细地讨论的。消费者伪造检测应用1210可以包括图像匹配模块1218,所述图像匹配模块1218被配置成确定在由移动计算设备1202所捕获的实时图像与由PM系统110在生产时产生的所存储图像之间的匹配。图像匹配模块1218用虚线表示以标示可选功能,如将更详细地讨论的。
在一些实施例中,消费者伪造检测应用1210可以包括光学字符识别(OCR)模块1220,其以虚线标示,用于标示可选功能。在一些实施例中,OCR模块1120的OCR算法可以基于以下来被训练:对于在打印检查系统期间任何数位是通过还是未通过的验证。因而,针对每个打印机技术的一系列经训练的OCR算法可以被存储在移动计算设备1202中,使得经训练的OCR算法将基于打印机技术来检测认证码。代替于图像,认证码可以被发送到CDS 1240以用于验证匹配。应用1210可以包括图像匹配模块1218,用于匹配认证码或OCR模块1220中的OCR算法。作为非限制性示例,OCR模块1220将使用与相机1204对接的实时成像器1214所捕获的图像来执行OCR检测。
消费者伪造检测应用1210可以包括产品验证指示器1222,所述产品验证指示器1222被配置成在移动计算设备1202的显示器1206上向用户提供与认证或验证的状态相关的指示。所述指示可以是显示器1206上的视觉显示,或通过移动计算设备1202的扬声器的可听通知。
远程CDS图像接收器1216和图像匹配模块1218可以是可选的,因为这些功能可以由CDS 1240执行,所述CDS 1240发送对确证性(通过)或未通过的指示用于例如核实。指示或结果可以显示在显示器1206上。
伪造检测系统(CDS)1240可以包括被耦合到CDS产品和包装图像数据库1245的一个或多个服务器1248。伪造检测系统(CDS)1240可以包括系统伪造检测应用1260。
系统伪造检测应用1260可以包括通信模块1262,用于通过因特网或通信网络1230向与移动计算设备1202相关联的消费者通信。系统伪造检测应用1260可以经由实时图像接收器1264来从移动计算设备1202接收由相机1204或视频设备所捕获的实时图像。系统伪造检测应用1260可以使用所存储的图像查找模块1266来查找所存储的产品/包装图像。
系统伪造检测应用1260可以包括图像匹配模块1268,所述图像匹配模块1268被配置成确定从移动计算设备1202所接收的实时图像与经由查找模块1266从数据库1245所取回的所存储图像之间的匹配。
图像匹配模块1268用虚线被表示以标示可选功能,因为该功能可以由移动计算设备1202执行。系统伪造检测应用1260可以包括产品或代码验证器1272,所述产品或代码验证器1272被配置成向移动计算设备1202传送用于显示的指示,该指示表示用于认证产品/包装的确证性(通过)或未通过的指示。所述指示可以是显示器1206上的视觉显示,或通过移动计算设备1202的扬声器的可听通知。
图12B图示了伪造检测过程1280的流程图。过程1280可以包括在框1281处用于通过认证码生成器1072来为产品或包装生成认证码。如本文中有时使用的,术语“产品”有时可以指代“包装”,或所包装的产品连同包装二者。在框1282处,过程1280可以包括通过打印机在基底上打印包括多个数位的打印内容。在框1283处,过程1280可以包括捕获包装或产品上的基底的图像。在框1284处,将在产品的生产期间的图像归档在数据库中。在框1286处,过程1280可以包括激活伪造应用1286。在框1288处,过程1280可以包括实时地捕获图像,该图像具有感兴趣的区(ROI)以及产品或包装的打印内容的全部数位。在框1290处,过程1280可以包括从CDS数据库取回产品或包装的所存储的图像。在框1292处,过程1280可以包括比较所述两个图像中的感兴趣的区(ROI)。在框1294处,过程1280可以确定在所述两个图像之间是否存在匹配。如果存在匹配,则生成产品或包装被验证或认证的指示符。如果不存在匹配,则生成表示未通过或者产品或包装是伪造的指示符。
在伪造检测过程中,在生产线中所使用的相同图像在CDS 1140或1240以及PIS160或1160中被用于基于图像识别来确定代码匹配。
在一些实施例中,OCR算法可以基于以下来被训练:在打印检查系统期间任何数位是通过还是未通过的验证。因而,用于每个打印机技术的一系列经训练的OCR算法可以被存储在移动计算设备中或远程地被存储,使得经训练的OCR算法当被执行时将基于实时图像中的打印机技术来检测认证码。代替于图像,认证码将会被发送到CDS 1140或1240以用于验证匹配。
可替换地,CDS 1140或1240可以包括经训练的OCR算法。在CDS 1140或1240处的经训练的OCR算法可以对来自移动计算设备的图像执行光学字符识别,以检测被嵌入在其内的认证码。因此,CDS 1140或1240将会生成往回去往移动计算设备的通信以指示产品或包装的确证性。
现在参考图10,在基础配置中,计算设备1050可以包括任何类型的静止计算设备或移动计算设备。计算设备1050可以是具有一个或多个服务器的计算系统,每个服务器包括一个或多个处理器。所述服务器可以包括在服务器上运行以用于在线通信的服务器应用,并且可以提供图形用户界面(GUI)或网页。术语计算设备和计算系统可以是可互换的。处理器161和180可以是计算设备、web服务器或其它计算机设备。在一些实施例中,处理器161和180可以经由因特网、内联网、局域网(LAN)或广域网(WAN)而被连接到计算设备150。在计算设备150与处理器161和180之间的通信可以是有线的、无线的、或者有线和无线的组合。
计算设备1050可以包括一个或多个处理器1052以及在硬驱动器1054中的系统存储器。取决于计算设备的确切配置和类型,系统存储器可以是易失性的(诸如RAM 756)、非易失性的(诸如只读存储器(ROM 1058)、闪速存储器1060等等)或这两者的某种组合。系统存储器可以存储操作系统1064、一个或多个应用,并且可以包括用于至少执行本文中所述的过程800、858和1280的程序数据。计算设备1050还可以具有附加的特征或功能。例如,计算设备1050还可以包括附加的数据存储设备(可移除和/或不可移除的),诸如例如磁盘、光盘或磁带。计算机存储介质可以包括易失性的和非易失性的、非暂时性的、可移除的和不可移除的介质,该介质以用于存储数据的任何方法或技术来被实现,所述数据诸如是计算机可读指令、数据结构、程序模块或其它数据。系统存储器、可移除存储装置和不可移除存储装置都是计算机存储介质的所有示例。计算机存储介质包括但不限于RAM、ROM、电可擦除只读存储器(EEPROM)、闪速存储器或其它存储器技术、紧凑盘只读存储器(CD-ROM)、数字通用盘(DVD)或其它光学存储装置、磁性卡带、磁带、磁盘存储装置或其它磁性存储设备,或可以用于存储所期望的数据并且可以被计算设备访问的任何其它物理介质。任何这样的计算机存储介质可以是设备的部分。
计算设备1050还可以包括或具有用于(一个或多个)输入设备(未被示出)的接口,所述输入设备诸如是键盘、鼠标、笔、语音输入设备、触摸输入设备等等。计算设备1050可以包括或具有用于连接到(一个或多个)输出设备的接口,所述输出设备诸如是显示器1062、扬声器等等。计算设备1050可以包括用于连接到外设的外围总线1066。计算设备1050可以包含(一个或多个)通信连接,所述通信连接允许所述设备与其它计算设备通信,诸如通过网络或无线网络。作为示例而非限制,(一个或多个)通信连接可以包括有线介质(诸如有线网络或直接布线连接)以及无线介质(诸如声学、射频(RF)、红外和其它无线介质)。计算设备1050可以包括用于连接(有线或无线)到网络的网络接口卡1068。
计算设备1050可以包括被存储在硬驱动器1054中用于实施本文中所述的各种过程和功能的应用。硬驱动器可以包括具有多个数位的产品/包装代码生成器1070,产品/包装代码生成器1070根据各种打印机技术使用按照任何语言的标准字符、数字或符号来为产品或包装产生“标准代码”。数位包括字符、数字或符号。数位可以包括徽标的全部或部分。
在一些实施例中,来自代码生成器1070的产品/包装代码或“标准代码”可以被转换成认证码,用于防止或制止产品和/或包装的伪造生产。包括“标准代码”的所有代码当被打印的时候都是认证码。然而,一些代码可以被复制和拷贝在伪造产品上。因而,在一些实例中,认证码用于防止伪造产品和/或包装。
应用可以包括认证码生成器1072,用以制止类似产品或包装的伪造生产。认证码生成器1072可以包括字符修改器。字符修改器1072可以修改在“标准代码”中发现的按照任何语言的任何标准数位(即字符、数字或符号)。字符修改器1072可以包括字体特性修改器1076以及用于修改数位的圆点或像素的圆点或像素修改器1078。字体特性修改器1076可以改变数位的字体的尺寸、形状和间隔。
认证码生成器1072可以包括多代码行生成器1080,其中所述多代码行生成器1080叠覆或叠加两行或更多行的数位。在一些实例中,多代码行生成器1080可以将两行或更多行数位生成为隐蔽代码,隐蔽代码可以一起使用以核实产品或包装的确证性。
认证码生成器1072可以包括图、符号或徽标生成器1082,图、符号或徽标生成器1082随机地或基于所存储的图、符号和/或徽标的集合被生成。认证码生成器1072可以从代码生成器1070接收“标准代码”,并且基于以下各项中的一项或多项来修改“标准代码”以生成认证码:字符修改器1074、图、符号或徽标生成器1082以及多代码行生成器1080。
“标准代码”或认证码之一可以被存储在字段值132中以用于通过打印机在基底上打印为打印内容。
为了开发便利,用于实施上述操作的计算机程序代码可以用各种编程语言来编写,这些编程语言包括但不限于高级编程语言,诸如JAVA、C或C++。另外,用于实施本文中所述的实施例的操作的计算机程序代码还可以用其它编程语言来编写,其它编程语言诸如但不限于解译语言。一些模块或例程可以用汇编语言或甚至微代码来编写以增强性能和/或存储器使用。另外将领会到,程序模块中任何或全部的功能还可以使用以下各项来实现:分立的硬件组件、一个或多个专用集成电路(ASIC)、或经编程的数字信号处理器(DSP)或微控制器。用来描述实施例的程序的代码可以作为固件被包括在RAM、ROM和闪速存储器中。否则,该代码可以被存储在有形的计算机可读存储介质(诸如磁带、柔性盘、硬盘、紧凑盘、光电盘、数字通用盘(DVD)或其它有形且非暂时性存储器设备)中。
各实施例可以被配置用于在包括存储器设备(诸如中央处理单元(CPU)、RAM和ROM)以及存储介质(诸如硬盘)的计算机或数据处理装置中使用。
图13A图示了理想的打印字符模板1300A。理想的打印字符模板1300A包络例如X乘Y矩阵,其中在示例中X是4,并且Y是4。然而,可以使用X和Y的其它值,诸如8、9、10等等。X和Y的值可以不同。模板1300A表示一矩阵,该矩阵用于形成通过例如使用喷墨技术打印的理想字符。
使用理想的字符模板生成每个标准字符、数字或符号(即数位),其中字符、数字、或符号尺寸和形状被打印为符合矩阵的尺寸,使得相邻的符号、字符或数字具有例如与相同字体类似的尺寸和形状设置。打印机可以包括打印机控制器(未被示出),用以根据行业标准和实践来生成例如每个标准的数位和徽标。例如,在喷墨技术中,用于生成标准数位的液滴装载(drop charge)值在打印机控制器中被预编程。
作为示例,模板1300A包括字符“L”,其中包括墨被填充在模板左侧的竖直线中的矩阵的单元中以及模板1300A底部处的水平线中的单元中。通过竖直线示出加阴影线的填充墨的矩阵单元。
图13B图示了打印字符模板1300B。模板1300B被表示为与模板1300A相同,然而,打印字符“L”被示出为其中经填充/打印的矩阵中的一些单元包括未着墨区域1302和/或在其它单元中包括杂散墨标记1304。该未着墨区域1302和/或杂散标记1304可以引起光学字符识别(OCR)算法识别数位(即字符、数字或符号)失败。
作为非限制性示例,作为打印机(诸如使用粘性墨介质的那些打印机)正常操作的结果,可以生成杂散标记1304。未着墨区域1306和1308可以是经修改的字符的结果,使得在认证码需要时,从数位中省略圆点或像素。
然而,在图像中,未着墨区域1306和1308可以是在由PM系统110中的相机捕获图像时通过从基底S的反射所创建的未着墨区域的外观。例如,反射点可以沿着数位的相同平面而出现,诸如基于操作相机所处于的环境光照条件。
经训练的OCR算法可以相应地针对基底反射率和/或经修改的字符或数位而变化。
图14A图示了在感兴趣的区ROI1中具有打印内容的包装1400A。打印内容包括在产品或包装的基底S上的感兴趣的区ROI1中的多个数位“JLKPY09882”。所述多个数位的代码被由ROI1中的加圆点区域1406表示的噪声以及相邻的文本字段标题“营养标示”围绕。ROI1还可以包括阴影区域1404。杂散线1408和线1410表示可在图像中提供噪声的外来物质。杂散线1408和线1410被示出为表示可侵入到ROI1区域中的外来物质,该外来物质可引起OCR算法的假失败。
图14B图示了采用瓶盖1400B形式的凸基底S,其在沿着产品的竖直平面的感兴趣的区ROI2中具有被标示为代码2的打印内容“JLKP”。被标示为代码2的打印内容被打印在具有凸形状的基底上。因而,印记当被打印的时候具有透视图。瓶盖1400B的顶部基底可以在瓶盖的感兴趣的区ROI3的顶部平坦表面上包括被标示为代码3的代码。瓶盖1400B的该表面可以是塑料的。在一些实施例中,该表面可以是金属的并且具有反射率。线1420表示可以在图像中捕获的杂散线,该杂散线可侵入到感兴趣的区ROI2中。
图14C图示了凹基底1450,所述凹基底1450具有被标示为代码4的打印内容,该打印内容部分地被示出在被标示为ROI4的感兴趣的区中。在一些包装(诸如金属喷雾剂罐)中,罐的底部可以包括凹表面,在该凹表面上打印代码,或者打印内容被施加在其上。
图15A图示了认证码1500A,其在产品或包装的基底S上的感兴趣的区ROI5中包括多个字符,诸如例如作为代码5 的“JLKPY09882”。感兴趣的区ROI5由虚线框标示。感兴趣的区ROI5的区域1502B可以包括纯色,诸如白色或其它颜色。感兴趣的区ROI5的区域1502B包括由加圆点的图案1504所标示的噪声。在一些实施例中,该噪声可能是在透明或半透明容器或基底中的产品的结果。
认证码1500A可以包括具有经修改的字符的代码,诸如在序列号为8,982,424的美国专利中所描述的那样,所述美国专利给予Robert Weaver并且被转让给Videojet技术公司,并且通过引用被并入本文中,就好像在本文中被充分阐明那样。认证码可以包括两个隐蔽代码,用于核实产品或包装的确证性。在一些代码中,用于按照任何语言创建字符、数字或符号的至少一个圆点或像素可以被移除以创建单个经修改的字符、数字或符号(即数位)。
认证码1500A可以包括至少一个字符、数字或符号,该字符、数字或符号被随机修改以改变一个或多个字符、数字或符号的特性。作为非限制性示例,特性可以包括字体类型、字体尺寸和字体间隔。原始产品代码或其它代码可以包括第一字体,其中经修改的字符、数字或符号可以被修改以包括不同的字体尺寸和不同的字体类型中的至少一项。在示例中,第一字符“J”具有经修改的字体的特性。
认证码1500A可以包括被并入在认证码中的任意图、任意符号1520和1522或者任意徽标。虽然示例认证码包括一个或多个经修改的字符或附加的图、符号或徽标,但是认证码1500A可以包括其它变型,包括随机生成的变型,以区分认证码1500A。
认证码1500A对肉眼可见,或不需要特殊的眼镜来看到基底上代码的数位。
图15B图示了认证码1500B,其在产品或包装的基底S上的感兴趣的区ROI6中包括多个字符,诸如例如“JLKPY09882”,表示代码6。感兴趣的区ROI6由虚线框标示。感兴趣的区ROI6的区域1502B可以包括纯色,诸如白色或其它颜色。在该代码1500B中,两行代码“代码6”和“代码7”,其中被标示为代码7的代码数位“FEB 29 0000”被至少部分地叠加或叠覆在被标示为代码6的代码数位“JLKPY09882”的一部分上。在一些代码中,代码“代码6”的数位的仅仅一部分将被叠覆在代码“代码7”的数位的一部分上。在该示例中,“L”具有缺失的圆点或像素。OCR算法可以针对反射性表面被训练,以检测具有“反射性”边缘的字符或数位的边缘,其中“反射性”边缘在各种环境光照条件下在所捕获的图像中表现为白色或银色。类似地,如果代码是认证码,则嵌入在经修改的数位内的未着墨部分可以使用字段值来被检测。
在一些实施例中,数位可以相对于相邻数位在空间上被调整。
所提供的示例是用于认证码变型的说明性目的。如可以领会的,描述所有可能的变型是令人望而却步的。
用于执行本文中所要求保护的功能的“逐步过程”是特定的算法,并且可以被示出为数学公式,以平淡的说明书文本和/或以流程图被示出。软件程序的指令创建专用机器来实施特定的算法。因而,在其中所公开的结构是被编程以实施算法的计算机或微处理器的本文中的任何装置加功能权利要求中,所公开的结构不是通用计算机,而是被编程以执行所公开的算法的专用计算机。
通用计算机或微处理器可以被编程以实施所述算法/步骤,从而创建新机器。一旦通用计算机被编程以依照来自本文中所述的实施例的程序软件的指令执行特定功能,它就变成专用计算机。实施算法/步骤的软件程序的指令通过在设备内创建电气路径而电气地改变通用计算机。这些电气路径创建专用机器来用于实施特定的算法/步骤。
除非另行定义,否则本文中使用的所有术语(包括技术和科学术语)具有与实施例所属于的领域中的普通技术人员所通常理解的相同的含义。此外将理解到,诸如在常用词典中所定义的那些之类的术语应当被解释为具有与其在相关领域的情境中的含义一致的含义,并且将不以理想化或过度正式的意义被解释,除非在本文中明确地这样定义。
特别地,除非另行特别声明,如从讨论中显而易见的,否则要领会到,贯穿本描述,利用诸如“处理”或“计算”或“运算”或“确定”或“显示”等等之类的术语的讨论指代计算机系统或类似电子计算设备的动作和过程,所述计算机系统或类似电子计算设备操纵被表示为计算机系统的寄存器和存储器内的物理(电子)量的数据并且将所述数据变换成其它数据,所述其它数据类似地被表示为计算机系统存储器或寄存器或其它这样的数据存储、传输或显示设备内的物理量。
本文中所使用的术语仅仅用于描述特定实施例,并且不意图是限制性的。如本文中所使用的,单数形式“一”、“一个”和“该”意图也包括复数形式,除非上下文另行清楚地指示。此外,在术语“包括”、 “具有”、 “带有”或其变体在详细描述和/或权利要求中被使用的意义上,这样的术语意图以与术语“包含”类似的方式是包括性的。此外,除非特别声明,否则对术语“第一”、“第二”等等的任何使用都不表示任何次序或重要性,而是该术语“第一”、“第二”等等用于区分一个元素与另一个。
虽然已经在以上描述了各种所公开的实施例,但是应当理解到,它们仅仅作为示例而非限制被呈现。在不偏离实施例的精神或范围的情况下,可以根据本文中所公开的实施例做出对于本文中所公开的主题的众多改变、省略和/或添加。而且,在不偏离实施例的精神和范围的情况下,等同物可以替代其元素。另外,虽然特定特征可能关于几个实现方式中仅仅一个被公开,但是这样的特征可以与其它实现方式的一个或多个其它特征组合,如对于任何给定的或特定的应用而言可以是所期望和有利的那样。此外,可以做出许多修改以使特定情形或材料适应实施例的教导,而不偏离其范围。
因此,本文中所提供的主题的宽度和范围不应当受以上明确描述的实施例中的任一个限制。相反,应当根据以下权利要求及其等同物来限定实施例的范围。
Claims (20)
1.一种具有打印检查的打印机设备,包括:
打印机,其被配置成基于打印机技术类型而在产品的基底上施加打印内容的代码,所述代码具有多个数位;以及
光学代码检测器,其由一个或多个处理器执行,用于通过以下方式来检测在由打印机打印的产品的所接收的图像中的代码:使用针对打印机技术类型的经训练的光学字符识别算法光学地识别所接收的图像中的字符,所述光学字符识别算法被训练为基于打印内容被直接施加到的产品的至少一个参数以及打印机技术类型来标识感兴趣的区(ROI)中的代码的所述多个数位中的每个数位。
2.根据权利要求1所述的打印机设备,其中所述打印机技术类型包括以下各项中之一:连续喷墨(CIJ)打印机、激光打印机、热转移套印(TTO)打印机以及热喷墨(TIJ)打印机。
3.根据权利要求1所述的打印机设备,其中所述代码是认证码,认证码包括按照任何语言的标准字符、标准数字和标准符号中的至少一个以及经修改的字符、经修改的数字和经修改的符号中的至少一个,其中所述光学字符识别算法被训练成识别标准字符、标准数字和标准符号中的所述至少一个以及经修改的字符、经修改的数字和经修改的符号中的所述至少一个。
4.根据权利要求1所述的打印机设备,其中经训练的光学字符识别算法基于所检测的代码的未通过的数位的验证来被训练。
5.根据权利要求1所述的打印机设备,其中经训练的光学字符识别算法基于产品的所述至少一个参数来被训练,所述参数包括以下各项中的一项或多项:基底的反射率、基底的材料、基底的颜色、基底的凹度、基底的凸度、和基底的透明度。
6.一种具有打印检查的打印机标记系统,包括:
打印机,其被配置成基于打印机技术类型而在产品的基底上施加打印内容的代码,所述代码具有多个数位;
相机,用于自动地捕获产品的基底上的代码的图像;以及
光学代码检测器,其由一个或多个处理器执行,用于通过以下方式来检测在由打印机打印的产品的所捕获的图像中的代码:使用针对打印机技术类型的经训练的光学字符识别算法光学地识别所捕获的图像中的字符,所述光学字符识别算法被训练为基于打印内容被直接施加到的产品的至少一个参数以及打印机技术类型来标识感兴趣的区(ROI)中的代码的所述多个数位中的每个数位。
7.根据权利要求6所述的打印机标记系统,其中所述打印机是打印机标记系统中的多个打印机中的一个打印机,并且还包括:
至少一个存储器设备,用于存储针对多个打印机技术类型的多个图像识别算法以及多个光学字符识别算法,每个光学字符识别算法关联于相应的一个打印机技术类型;以及
具有一个或多个处理器的打印检查系统,其中所述一个或多个处理器包括检查处理器并且包括光学代码检测器,所述检查处理器具有与打印机标记系统通信的分类引擎,所述检查处理器:
接收与通过打印机标记系统被打印有所述代码的产品相关的元数据和字段值;
基于所述元数据从所述多个图像识别算法选择图像识别算法;
基于所述图像识别算法来识别图像中的产品,以生成图像识别结果并且标识感兴趣的区;
基于元数据中的打印机技术类型从所述多个光学字符识别算法选择光学字符识别算法;
发起光学代码检测器,以使用所选择的光学字符识别算法来执行光学字符识别,从而基于所述元数据来识别图像的感兴趣的区中的所述多个数位以生成光学字符识别结果;
解码光学字符识别结果和图像识别结果,以及
生成去往打印机标记系统的经解码的结果的通信以控制打印机标记系统的至少一个动作,经解码的结果指示打印内容的通过或未通过。
8.根据权利要求6所述的打印机标记系统,还包括归档图像的数据库,所述归档图像是所捕获的图像。
9.根据权利要求6所述的打印机标记系统,还包括第二检查处理器,第二检查处理器具有图形用户界面任务生成器,所述图形用户界面任务生成器生成用于对检查图像进行检查的任务,所述图形用户界面包括所述检查图像和用于录入所检查的准则结果的数据字段。
10.根据权利要求7所述的打印机标记系统,其中当检查处理器解码时,检查处理器确定所识别的产品是否匹配元数据,并且如果产品不匹配元数据,则生成去往打印机标记系统的经解码的结果的通信,所述经解码的结果指示产品未通过。
11.根据权利要求6所述的打印机标记系统,其中所述打印机技术类型包括以下各项之一:连续喷墨(CIJ)打印机、激光打印机、热转移套印(TTO)打印机以及热喷墨(TIJ)打印机。
12.根据权利要求6所述的打印机标记系统,其中所述代码是认证码,所述认证码包括按照任何语言的标准字符、标准数字和标准符号中的至少一个以及经修改的字符、经修改的数字和经修改的符号中的至少一个,其中所述光学字符识别算法被训练成识别标准字符、标准数字和标准符号中的所述至少一个以及经修改的字符、经修改的数字和经修改的符号中的所述至少一个。
13.根据权利要求6所述的打印机标记系统,其中经训练的光学字符识别算法基于所检测的代码的未通过的数位的验证来被训练。
14.根据权利要求6所述的打印机标记系统,其中经训练的光学字符识别算法基于产品的所述至少一个参数来被训练,所述参数包括以下各项中的一项或多项:基底的反射率、基底的材料、基底的颜色、基底的凹度、基底的凸度、和基底的透明度。
15.一种具有打印检查的方法,包括:
通过打印机基于打印机技术类型而在产品的基底上打印打印内容的代码,所述代码具有多个数位;
通过相机自动地捕获产品的基底上的代码的图像;以及
通过一个或多个处理器光学地检测由打印机打印的产品的所捕获的图像中的代码,所述检测包括使用针对打印机技术类型的经训练的光学字符识别算法来光学地识别所捕获的图像中的字符,所述光学字符识别算法被训练为基于打印内容被直接施加到的产品的至少一个参数以及打印机技术类型来标识感兴趣的区(ROI)中的代码的所述多个数位中的每个数位。
16.根据权利要求15所述的方法,其中所述打印机是打印机标记系统中的多个打印机中的一个打印机,并且还包括:
在至少一个存储器设备中存储针对多个打印机技术类型的多个图像识别算法以及多个光学字符识别算法,每个光学字符识别算法关联于相应的一个打印机技术类型;以及
在具有一个或多个处理器的打印检查系统中执行打印检查,其中所述一个或多个处理器包括检查处理器,所述检查处理器具有与打印机标记系统通信的分类引擎,其中执行打印检查包括:
接收与通过打印机标记系统被打印有所述代码的产品相关的元数据和字段值;
基于所述元数据从所述多个图像识别算法选择图像识别算法;
基于所述图像识别算法来识别图像中的产品,以生成图像识别结果并且标识感兴趣的区;
基于元数据中的打印机技术类型从所述多个光学字符识别算法选择光学字符识别算法;
使用所选择的光学字符识别算法来执行光学检测,从而基于所述元数据来识别图像的感兴趣的区中的所述多个数位以生成光学字符识别结果;
解码光学字符识别结果和图像识别结果,以及
生成去往打印机标记系统的经解码的结果的通信,经解码的结果指示打印内容的通过或未通过。
17.根据权利要求16所述的方法,还包括通过打印检查系统在数据库中归档所述图像。
18.根据权利要求16所述的方法,其中所述打印检查系统还包括具有图形用户界面任务生成器的第二检查处理器;并且还包括:
生成用于对检查图像进行检查的任务,所述图形用户界面包括所述检查图像和数据字段,所述数据字段用于基于所述检查图像来录入所检查的准则结果。
19.根据权利要求16所述的方法,其中解码包括:确定所识别的产品是否匹配元数据,并且如果产品不匹配元数据,则生成去往打印机标记系统的经解码的结果的通信,所述经解码的结果指示产品未通过。
20.根据权利要求15所述的方法,其中所述代码是认证码,所述认证码包括按照任何语言的标准字符、标准数字和标准符号中的至少一个以及经修改的字符、经修改的数字和经修改的符号中的至少一个,其中所述光学字符识别算法被训练成识别标准字符、标准数字和标准符号中的所述至少一个以及经修改的字符、经修改的数字和经修改的符号中的所述至少一个。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201662373540P | 2016-08-11 | 2016-08-11 | |
US62/373540 | 2016-08-11 | ||
PCT/US2017/046507 WO2018031890A1 (en) | 2016-08-11 | 2017-08-11 | Printer device, printer marking system and method with multi-stage production print inspection |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109844886A CN109844886A (zh) | 2019-06-04 |
CN109844886B true CN109844886B (zh) | 2022-03-11 |
Family
ID=61163145
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201780062935.4A Active CN109844886B (zh) | 2016-08-11 | 2017-08-11 | 具有打印检查的打印机设备、打印机标记系统以及方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US10628934B2 (zh) |
EP (1) | EP3497708A4 (zh) |
CN (1) | CN109844886B (zh) |
WO (1) | WO2018031890A1 (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10304174B2 (en) * | 2016-12-19 | 2019-05-28 | Datamax-O'neil Corporation | Printer-verifiers and systems and methods for verifying printed indicia |
EP3966021A4 (en) * | 2019-06-13 | 2023-01-25 | Videojet Technologies Inc. | SYSTEM AND METHOD FOR MARKING SUBSTRATES WITH IMPROVED LINE RECOVERY TIME |
CN110764721A (zh) * | 2019-09-19 | 2020-02-07 | 北京三快在线科技有限公司 | 模板生成方法、装置、电子设备和计算机可读介质 |
KR102120051B1 (ko) * | 2019-11-11 | 2020-06-17 | 석인수 | 수치화된 표면지문을 포함한 제품의 물리적 특징정보 및 블록체인을 활용한 원본 인증 시스템 및 방법 |
US11481678B2 (en) * | 2019-11-14 | 2022-10-25 | Baidu Usa Llc | Systems and methods for learning new watermark algorithms for a data processing accelerator |
CN111507325B (zh) * | 2020-03-16 | 2023-04-07 | 重庆大学 | 基于深度学习的工业视觉ocr识别系统及方法 |
US11954846B2 (en) * | 2020-06-16 | 2024-04-09 | Elementary Robotics, Inc. | Explainability and complementary information for camera-based quality assurance inspection processes |
US11461988B2 (en) * | 2020-07-23 | 2022-10-04 | Suresh Babu Revoled Konti | Method of transferring data between unconnected computing devices |
EP3954540A1 (en) | 2020-08-11 | 2022-02-16 | Schott AG | Method for printing an image on a substrate and corresponding system |
US11995813B2 (en) | 2022-09-03 | 2024-05-28 | Printify, Inc. | Automated garment print quality control for garment tracking, processing, storage, and/or defect blocking |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1098265A2 (en) * | 1999-11-05 | 2001-05-09 | Claricom Limited | Packaging perishable products |
CN1932802A (zh) * | 2005-09-16 | 2007-03-21 | 三星电子株式会社 | 具有文本提取功能的主机设备及其提取方法 |
CN103258314A (zh) * | 2005-09-16 | 2013-08-21 | 北京书生国际信息技术有限公司 | 一种隐形编码嵌入和检测的方法 |
CN103577126A (zh) * | 2012-07-30 | 2014-02-12 | Ge医疗系统环球技术有限公司 | 集中打印方法、打印机控制器和系统 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4006332A (en) * | 1974-11-11 | 1977-02-01 | Westinghouse Electric Corporation | Convection heating apparatus for multi-phase gas-type circuit interrupters |
US5212741A (en) | 1992-01-21 | 1993-05-18 | Eastman Kodak Company | Preprocessing of dot-matrix/ink-jet printed text for Optical Character Recognition |
US7172121B2 (en) | 2000-11-03 | 2007-02-06 | Claricom Limited | System and method for applying codes onto packaged products |
US7644281B2 (en) | 2004-09-27 | 2010-01-05 | Universite De Geneve | Character and vector graphics watermark for structured electronic documents security |
GB201116095D0 (en) * | 2011-09-16 | 2011-11-02 | Wessex Technology Opto Electronic Products Ltd | Machine reading of printed data |
EP2810427A4 (en) * | 2012-01-31 | 2015-10-14 | Hewlett Packard Development Co | CHARACTER SET FOR PRINTING PATTERNS |
GB2528261A (en) * | 2014-07-14 | 2016-01-20 | Enable Marketing & Promotions Ltd | Improvements relating to marking |
US9460358B2 (en) * | 2014-07-15 | 2016-10-04 | Google Inc. | Extracting card identification data |
US10325148B2 (en) * | 2016-09-30 | 2019-06-18 | Wipro Limited | Method and a system for optical character recognition |
-
2017
- 2017-08-11 CN CN201780062935.4A patent/CN109844886B/zh active Active
- 2017-08-11 EP EP17840342.4A patent/EP3497708A4/en active Pending
- 2017-08-11 WO PCT/US2017/046507 patent/WO2018031890A1/en unknown
- 2017-08-11 US US16/324,410 patent/US10628934B2/en active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1098265A2 (en) * | 1999-11-05 | 2001-05-09 | Claricom Limited | Packaging perishable products |
CN1932802A (zh) * | 2005-09-16 | 2007-03-21 | 三星电子株式会社 | 具有文本提取功能的主机设备及其提取方法 |
CN103258314A (zh) * | 2005-09-16 | 2013-08-21 | 北京书生国际信息技术有限公司 | 一种隐形编码嵌入和检测的方法 |
CN103577126A (zh) * | 2012-07-30 | 2014-02-12 | Ge医疗系统环球技术有限公司 | 集中打印方法、打印机控制器和系统 |
Also Published As
Publication number | Publication date |
---|---|
US20190220971A1 (en) | 2019-07-18 |
EP3497708A1 (en) | 2019-06-19 |
WO2018031890A1 (en) | 2018-02-15 |
EP3497708A4 (en) | 2020-03-11 |
US10628934B2 (en) | 2020-04-21 |
CN109844886A (zh) | 2019-06-04 |
WO2018031890A9 (en) | 2019-05-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109844886B (zh) | 具有打印检查的打印机设备、打印机标记系统以及方法 | |
US10917539B2 (en) | Apparatus and methods for computerized authentication of electronic documents | |
US10999460B2 (en) | Methods, apparatuses, and systems for detecting printing defects and contaminated components of a printer | |
US20190080416A1 (en) | Using machine learning to classify insurance card information | |
US9171347B2 (en) | System and method for analysis and authentication of covert security information using a smart device | |
US20170236034A1 (en) | Computerized integrated authentication/document bearer verification system and methods useful in conjunction therewith | |
JP6528147B2 (ja) | 会計データ入力支援システム、方法およびプログラム | |
EP2279501B1 (en) | Method and system for controlling production of items | |
JP7140453B2 (ja) | 光学活性物品上に配置された記号内へのデータのエンコード | |
CN104933582B (zh) | 一种溯源二维码、与基于该二维码的桶装水溯源系统 | |
EP3869472A1 (en) | Detecting identification tampering using ultra-violet imaging | |
US20210097517A1 (en) | Object of interest selection for neural network systems at point of sale | |
WO2020237480A1 (zh) | 基于图像识别的控制方法与装置 | |
JP7057433B2 (ja) | 印字検査装置 | |
US11557135B2 (en) | System and method to determine the authenticity of a seal | |
CN116755647B (zh) | 一种防止印刷数据错误的印刷方法及系统 | |
US20230196382A1 (en) | Photocopy or Counterfeit Detection in Symbologies | |
WO2012150601A1 (en) | Apparatus and methods for authenticated and automated digital certificate production | |
CN118140255A (zh) | 产品原真性的确定 | |
WO2016199126A1 (en) | System and method of recognizing state of a product |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |