头戳是弹药标记，可作为分类系统，以说明弹药的使用，安全运输，存储和质量控制。 警察部门使用弹药控制数据库注册了弹药的所有运动。 这些检查和进入任务是由警察本身执行的，每年使警察部门付费数百小时。 台湾国家警察局（NPA）与Imaging Source Reseller ** Nevis Technology **合作，以基于深度学习的光学特征识别（OCR）来建立一个机器视觉系统，以检查和分类通道。 项目工程师选择了Imaging Source的DMK 33GP031 GIGE单色工业摄像头，该摄像头与尼维斯技术专门用于应用程序开发的系统软件一起使用。 新的检查系统使NPA能够完全自动化编目过程，节省人工并减少错误。

在分配给军官之前，必须检查和分类弹药托盘。 通过光学特征识别（OCR），机器视觉可确保任务准确执行

###单色工业摄像机为OCR提供对比度丰富的图像

多年来，NPA一直在寻找自动化新弹药检查和使用弹药的方法，这是NPA首次使用任何类型的基于视觉的检查系统。 找到可靠且高度准确的系统似乎是最大的挑战。

尼维斯技术设计了一个系统，其中两个成像源的单色相机从不同角度捕获了弹药托盘的图像。 OCR，单色相机等机器视觉任务的理想选择提供了改进的图像对比度和分辨率，可提供鲜明且对比度的图像，以确保稳健的角色定位，分割和提取。

该软件算法将提取的数据与预训练的数据集进行了比较。 任何不符合集合标准（NOK）的空单元格或外壳以红色指示（请参见下图）。 该系统每5秒钟对一个弹药（通常为每托盘通常50发）进行全面检查，满足NPA的项目要求。 尼维斯报道说：“通过使用机器视觉系统自动识别，报告和挑选出不同规格的子弹，警察部队成功地将人力降低了约60％，并节省了每年200万美元。”

OCR系统使用深度学习来进行缺陷和存在检测。 Nevis Technology报告说，警方已将用于检查任务的劳动减少了60％。

Source: Deep-Learning-Based OCR: Casing Inspection Saves Labor and Reduces Errors