台北市警政署（NPA）近期結合工業相機與深度學習光學字元辨識的成效，藉由工業相機捕捉影像，採用機器學習演算法，對比原始樣本，進行子彈殼自動檢測。

圖1 : 與The Imaging Source以及睿怡科技合作，透過機器視覺系統以及光學字元辨識（OCR），台北市警政署成功利用科技取代人力，增加子彈檢測效率及減少人力成本。（source：Shutterstock；兆鎂新提供）

光學字元辨識（Optical Character Recognition；OCR）針對擷取的文字圖像檔進行分析辨識處理，取得圖片中文字資訊，常為機器視覺及影像處理任務之一，各式各樣的檢測項目經過OCR，能大幅增進檢測效率。近期台北市警政署（NPA） 與The Imaging Source 兆鎂新經銷商睿怡科技合作，選擇DMK 33GP031 GigE黑白工業相機，藉由相機捕捉影像，採用機器學習演算法，對比原始樣本，進行子彈殼編號辨識。

從肉眼檢測到自動化篩選

彈底標記是彈藥的標記，作為一種分類系統，用於說明彈藥的使用、安全運輸、儲存和品質控制。 警察部門利用彈藥控制資料庫登記所有進出軍械庫的彈藥。這些檢查和錄入任務由警官完成，每年國家警察單位為此耗費數百小時。

多年來，警政總署一直在尋找子彈檢測自動化的方法，而這是警政單位第一次使用任何類型的視覺檢測系統，找到可靠和高度精確的系統則成為最大的挑戰。

機器視覺系統能達成細微的檢測工作，運用工業相機擷取圖像，經過後端開發AI 軟體，自動識別彈殼底部文字及編號，順利解決因人工檢測產生的疲乏及錯誤率，同時節省大量人力成本。將兩台DMK 33GP031 GigE黑白工業相機安裝於檢測台上，拍攝通過的子彈盒，擷取子彈底部的編號，之後端透過機器學習進行字元辨識，框列不合格的子彈。

圖2 : 機器視覺系統能達成細微的檢測工作，運用工業相機擷取圖像，之後端透過機器學習進行字元辨識。（source：兆鎂新）

黑白工業相進行OCR

為了讓後端軟體能更方便、快速且精準進行OCR相關計算，圖片內容需盡量呈現黑白化，若原始影像為含有巨量資訊的彩色，軟體通常都得先進行一個步驟的色彩處理，所選擇的The Imaging Source GigE黑白工業相機則在圖像擷取的階段就已經為黑白影像，而5MP CMOS 感測器可提供清晰、無失真且低噪點的影像品質，GigE-Vision標準相容介面則確保穩定的傳輸且與硬體以及近乎所有影像處理庫的快速整合，可讓軟體快速辨識影像中的字元。

在為台北警政署開發設計的機器視覺檢測系統中，兩台相機安裝於檢測台上，拍攝通過的子彈盒（一盒內約為50顆排列整齊子彈），子彈底部朝上，方便相機擷取編號，接著使用睿怡編寫的OCR智慧軟體進一步處理影像，系統自動框列空的子彈格或不合格的子彈編號，檢測過程只需5秒鐘。

相較傳統 OCR技術要求排版工整，結合工業相機及深度學習OCR建立的機器視覺系統，即使辨識畫面歪斜、拍攝物體表面不平整、字句無平整排列，都能清楚辨識，可隨著處理過的資料量增加，加強辨別錯字的辨識能力，自我學習優化。

圖3 : 機器視覺系統透過學習完整且正確的子彈編號及排列，在檢測中框列出不合格的子彈。（source：睿怡科技）

藉由機器視覺系統快速且靈活的開發特性，成功的協助台灣警政單位解決多年來的人工檢測問題，不僅大幅增進分類效率，也節省大量的人力成本。睿怡科技表示，透過機器視覺系統進行辨識，自動回報及撿選出規格不同的子彈，警政署成功減少約60％的人力，並且節省的人力成本，相當於每年200萬元的經費。