Code Scanner

Ein industrieller bildbasierter Codeleser nimmt ein Bild eines Codes auf und versucht anschließend, das Symbol zu lokalisieren und zu decodieren. Moderne Geräte können unter anderem: 1D-Barcodes DataMatrix QR PDF417 DPM-Codes lesen.

Ein 1D-Barcode codiert Informationen hauptsächlich über die Breite und Anordnung von Balken und Zwischenräumen. Beispiele: Code 39 Code 128 GS1-128 EAN UPC

Ein 2D-Code codiert Daten in zwei Raumrichtungen. Beispiele: DataMatrix QR DotCode Dadurch lässt sich auf kleiner Fläche häufig deutlich mehr Information speichern als in einem linearen Barcode.

Code 128 ist ein hochdichter linearer Barcode, der den vollständigen ASCII-Zeichensatz über verschiedene Zeichensätze darstellen kann. Er wird häufig in industriellen und logistischen Anwendungen eingesetzt.

GS1-128 verwendet die Code-128-Symbologie, ergänzt aber die GS1-Datenstruktur mit Application Identifiers. Damit können beispielsweise Chargen-, Datums- oder Produktinformationen standardisiert übertragen werden.

Code 39 ist ein linearer Barcode, der Zahlen, Großbuchstaben und ausgewählte Sonderzeichen darstellen kann. Er ist traditionell in vielen Industrieanwendungen verbreitet.

EAN- und UPC-Symbologien werden vor allem im Einzelhandel zur Produktidentifikation verwendet. Sie transportieren typischerweise GTIN-basierte Produktkennungen.

PDF417 ist eine gestapelte zweidimensionale Barcode-Symbologie. Mehrere lineare Codezeilen werden übereinander angeordnet und mit Fehlerkorrektur kombiniert.

DataMatrix ECC200 ist eine weit verbreitete 2D-Matrixsymbologie. Das Symbol besitzt charakteristische Finder- und Timing-Strukturen und verwendet Fehlerkorrektur. Quadratische ECC200-Symbole reichen je nach Variante von 10 × 10 bis 144 × 144 Modulen.

QR ist ebenfalls ein zweidimensionaler Matrixcode. Typisch sind die markanten Positionserkennungsmuster in drei Ecken. Ein Standard-QR-Code beginnt bei 21 × 21 Modulen und wächst mit der Version.

Beide sind Matrixcodes, verwenden aber unterschiedliche Symbolstrukturen. DataMatrix wird sehr häufig für industrielle Kennzeichnung und kleine Bauteile eingesetzt. QR ist unter anderem stark im Consumer-, Dokument- und Logistikbereich verbreitet. Welche Symbologie besser geeignet ist, hängt vom jeweiligen Standard, Platz, Dateninhalt und Prozess ab.

DMRE steht für Data Matrix Rectangular Extension. Es erweitert DataMatrix um zusätzliche rechteckige Symbolgrößen und eignet sich dadurch beispielsweise für schmale Markierflächen. Ob ein Reader DMRE unterstützt, muss explizit im Datenblatt geprüft werden.

Ein Modul ist die kleinste Grundeinheit eines Codes. Bei DataMatrix oder QR ist das typischerweise eine einzelne helle bzw. dunkle Zelle. Bei 1D-Barcodes entspricht das Grundmodul typischerweise der Breite des schmalsten Balken-/Zwischenraumelements. Zebra beschreibt das Modul entsprechend als kleinste teilbare Einheit eines Barcodes.

PPM bedeutet: Pixels per Module Die Zahl beschreibt, über wie viele Kamerapixel das kleinste Code-Modul im Kamerabild dargestellt wird.

Zuerst: Pixel/mm = Kamerapixel / Sichtfeld [mm] Danach: PPM = Pixel/mm × Modulgröße [mm] Oder direkt: PPM = Kamerapixel × Modulgröße / Sichtfeld Beispiel: 1.920 Pixel 120 mm Sichtfeld 0,25 mm Modulgröße 1.920 / 120 = 16 Pixel/mm 16 × 0,25 = 4 PPM Der Code besitzt also ungefähr 4 Pixel pro Modul.

Die X-Dimension bezeichnet die nominelle Breite des kleinsten Moduls eines Barcodes. Bei einem DataMatrix-Symbol entspricht dies der physikalischen Größe einer Zelle.

Für die aktive Symbolfläche: Symbolgröße = Modulanzahl × X-Dimension Beispiel: 32 × 32 Module X-Dimension = 0,25 mm 32 × 0,25 = 8 mm Die aktive Codefläche ist also ungefähr 8 × 8 mm. Zusätzlich muss bei der realen Druck- bzw. Markierfläche die erforderliche Quiet Zone berücksichtigt werden.

Umgestellt aus der PPM-Formel: Kamerapixel = gewünschte PPM × Sichtfeld / Modulgröße Beispiel: gewünschte Auflösung = 4 PPM FOV = 100 mm Modul = 0,2 mm 4 × 100 / 0,2 = 2.000 Pixel Horizontal wären rechnerisch mindestens ungefähr 2.000 Pixel erforderlich.

FOVmax = Kamerapixel × Modulgröße / gewünschte PPM Beispiel: 2.448 Pixel 0,2-mm-Modul 4 PPM 2.448 × 0,2 / 4 = 122,4 mm

Es gibt keinen universellen Wert. Der Mindestwert hängt von: Reader Decoder Symbologie Codequalität Perspektive Fokus Bewegung Beleuchtung ab. Ein konkreter Cognex-IDMax-Algorithmus nennt beispielsweise 4 Pixel pro Element für DataMatrix und QR. Zebra fordert dagegen für seine ISO-basierte Barcode-Quality-Metrics-Anordnung mindestens 10 Pixel pro Modul. Das sind unterschiedliche Aufgaben: Lesen ist nicht dasselbe wie normgerechtes Verifizieren.

Das kann bei bestimmten Readern und sehr guten Codes möglich sein, darf aber nicht pauschal zugesichert werden. Entscheidend ist die Mindestauflösung des konkreten Readers bzw. Decoders. Für eine belastbare Auslegung sollte deshalb das Herstellerdatenblatt oder ein Test verwendet werden.

Ein Reader muss primär den Inhalt korrekt decodieren. Ein Verifier muss zusätzlich Qualitätsparameter der einzelnen Module bzw. Balken zuverlässig messen. Dafür ist eine deutlich definiertere optische Abbildung erforderlich. Zebra nennt für seine ISO-konforme Quality-Metrics-Anordnung beispielsweise mindestens 10 Pixel pro Modul.

DPM bedeutet Direct Part Marking. Der Code wird direkt auf das Werkstück eingebracht statt auf ein Etikett gedruckt.

Beispiele: Lasermarkierung Dot Peen/Nadelprägung Gravur Ätzen Die Oberflächenstruktur kann dadurch sehr unterschiedlich sein.

DPM-Codes besitzen häufig: wenig Helligkeitskontrast gerichtete Reflexion ungleichmäßige Modulformen strukturierte Oberflächen Deshalb ist die Beleuchtung besonders wichtig.

Low-Angle-/Dunkelfeldbeleuchtung ist häufig sehr wirkungsvoll. Die Vertiefungen der Punktprägung streuen das flach einfallende Licht in Richtung Kamera.

Das hängt stark vom Material und Laserverfahren ab. Mögliche Lösungen: koaxial Dome Dunkelfeld diffuse Low-Angle-Beleuchtung Eine praktische Beleuchtungsprobe ist bei DPM dringend empfehlenswert.

Codeverifikation bewertet die Qualität eines Codes nach definierten Standards. Sie beantwortet nicht nur: „Kann mein Reader den Code lesen?“ sondern beispielsweise: „Wie robust und normgerecht ist dieser Code produziert worden?“

Ein Reader optimiert darauf, Daten zuverlässig zu decodieren. Ein Verifier misst und bewertet die Symbolqualität unter definierten Bedingungen. Ein leistungsfähiger Reader kann daher einen Code lesen, der bei der normgerechten Verifikation schlecht bewertet wird.

ISO/IEC 15415 ist ein zentraler Qualitätsstandard für zweidimensionale gedruckte Matrixcodes. Dabei werden mehrere Qualitätsparameter des Symbols bewertet.

ISO/IEC 15416 behandelt die Qualitätsbewertung linearer Barcodes.

ISO/IEC 29158 behandelt die Qualitätsbewertung von direkt markierten DPM-Codes und berücksichtigt deren besondere Oberflächen- und Markiereigenschaften.

Bei der Verifikation wird aus verschiedenen Messparametern eine Qualitätsbewertung abgeleitet. Je nach Standard und Darstellung wird diese beispielsweise numerisch oder als Buchstabengrad angegeben. Wichtig: Die Bewertung hängt auch von der verwendeten Norm und der spezifizierten Messanordnung ab.

Symbol Contrast beschreibt den Helligkeitsunterschied zwischen hellen und dunklen Bereichen eines Symbols. Zu wenig Kontrast erschwert sowohl Lesen als auch Verifikation.

Modulation bewertet vereinfacht, wie gut der lokale Kontrast einzelner Module im Verhältnis zum Gesamtkontrast erhalten bleibt. Schwache bzw. unsaubere Module können dadurch schlechter bewertet werden.

Dieser Parameter beschreibt geometrische Abweichungen des Symbols zwischen den Achsen. Eine unerwünschte Streckung bzw. Stauchung kann die Bewertung verschlechtern.

Grid Non-Uniformity bewertet Abweichungen der tatsächlichen Modulpositionen vom idealen Modulraster.

Fixed Pattern Damage bewertet Beschädigungen an strukturell festgelegten Bereichen des Codes, beispielsweise Finder- oder Timing-Strukturen.

Dieser Wert beschreibt, wie viel der vorhandenen Fehlerkorrektur noch ungenutzt zur Verfügung steht. Je stärker der Code bereits auf Fehlerkorrektur angewiesen ist, desto geringer ist die verbleibende Reserve.

Decode prüft, ob das Symbol mit dem normgerechten Referenz-Decodierverfahren grundsätzlich korrekt decodiert werden kann.

Die Quiet Zone ist ein freier Bereich um den Code. Dort sollten keine störenden Linien, Zeichen oder Strukturen liegen. Eine zu kleine oder verschmutzte Quiet Zone kann die Erkennung und Qualitätsbewertung beeinträchtigen.

2D-Codes wie DataMatrix und QR enthalten Fehlerkorrekturdaten. Dadurch können beschädigte oder unleserliche Teile bis zu einem gewissen Umfang rekonstruiert werden. Das bedeutet jedoch nicht, dass beliebig stark beschädigte Codes zuverlässig lesbar bleiben.

Die Read Rate ist der Anteil erfolgreich gelesener Codes. Read Rate = erfolgreiche Reads / Leseversuche × 100 % Beispiel: 9.980 erfolgreiche Reads 10.000 Versuche 9.980 / 10.000 × 100 = 99,8 %

Es gibt keinen allgemein gültigen Sollwert. Ob 99,8 %, 99,99 % oder ein anderer Wert ausreichend ist, hängt von: Produktionsmenge Kosten eines No Reads Rückverfolgbarkeitsanforderungen möglicher Nachbearbeitung ab. In kritischen Traceability-Prozessen können schon wenige No Reads erhebliche Auswirkungen haben.

No Read bedeutet, dass der Reader innerhalb der verfügbaren Zeit bzw. Einstellungen keinen gültigen Code decodieren konnte.

Häufige Ursachen: Modul zu klein Fokus falsch Bewegungsunschärfe Überbelichtung Unterbelichtung Reflexionen beschädigter Code zu geringe Quiet Zone Perspektive falsche Beleuchtung zu wenig PPM Triggerfehler

Die häufigste Ursache ist Bewegungsunschärfe. Weitere Möglichkeiten: Triggerzeitpunkt falsch Code verlässt Schärfentiefe zu wenig Licht für kurze Belichtungszeit Vibration perspektivische Veränderung Die Bewegungsunschärfe sollte rechnerisch geprüft werden.

Mögliche Ursachen: Fokusbereich zu kleines Modul im Bild bei größerer Distanz zu geringe Beleuchtungsstärke begrenzte optische Auflösung Reader außerhalb spezifiziertem Lesebereich Hersteller geben für ihre Reader üblicherweise Lesedistanzen in Kombination mit konkreten Modulgrößen an. KEYENCE spezifiziert beispielsweise Lesebereiche abhängig von der DataMatrix-Modulgröße.

Viele aktuelle bildbasierte Reader unterstützen Multi-Code-Anwendungen. Wie viele Codes zuverlässig pro Aufnahme gelesen werden können, hängt jedoch von: Reader Auflösung Anzahl Codegröße Decoderzeit Sichtfeld ab.

Es gibt keine allgemeine Formel. Die Rate hängt unter anderem von: Bildrate Belichtungszeit Decoder Codeart Anzahl Codes Bildauflösung Suchbereich Kommunikation ab. Für belastbare Angaben muss das konkrete Modell geprüft und unter realen Bedingungen getestet werden.

OCR bedeutet Optical Character Recognition. Ein Vision-System erkennt Zeichen und wandelt das Bild beispielsweise in einen Textstring um. Beispiel: Bild enthält: LOT 12584 OCR liefert: LOT 12584

OCV bedeutet Optical Character Verification. Hier steht nicht primär das freie Erkennen unbekannten Textes im Vordergrund, sondern die Prüfung, ob erwartete Zeichen korrekt vorhanden bzw. gedruckt wurden.

OCR: „Was steht dort?“ OCV: „Steht dort das, was dort stehen soll?“

OCR liest sichtbare Schriftzeichen. Code Reading decodiert eine definierte Barcode- oder Matrixcode-Symbologie. Codes sind für maschinelle Erkennung optimiert und besitzen daher normalerweise deutlich mehr strukturelle Redundanz als normaler Text.

Es gibt keinen universellen Mindestwert. Benötigte Auflösung hängt ab von: Schriftart Zeichenhöhe Kontrast Druckqualität OCR-Algorithmus Beleuchtung Bewegung Daher sollte die Mindestzeichenhöhe des konkreten Vision-Systems bzw. OCR-Tools verwendet werden.

Deep-Learning-OCR verwendet trainierte neuronale Netze für die Zeichenerkennung. Das kann besonders bei variabler Schrift, schwierigen Hintergründen oder schwankender Druckqualität Vorteile bieten.

PPM = Pixelanzahl × Modulgröße / FOV

Pixel = Ziel-PPM × FOV / Modulgröße

FOVmax = Pixel × Modulgröße / Ziel-PPM

aktive Symbolgröße = Modulanzahl × X-Dimension Quiet Zone zusätzlich berücksichtigen.

Wichtige Parameter: Codeart gedruckt oder DPM Modulgröße Codegröße Sichtfeld Arbeitsabstand Geschwindigkeit Anzahl Codes Oberfläche SPS-/Netzwerkschnittstelle Danach kann geprüft werden, ob die Mindestmodulgröße und das Sichtfeld des konkreten Readers passen.

Ein DPM-Reader sollte nicht nur über einen leistungsfähigen Decoder verfügen, sondern auch zur Markierungs- und Oberflächenart passen. Besonders wichtig sind: Beleuchtungsoptionen Autofokus bzw. passende Optik Modulauflösung DPM-Algorithmen mechanischer Aufbau Eine reale Musterprüfung ist bei anspruchsvollen DPM-Anwendungen sehr empfehlenswert.

Entscheidend sind: kurze mögliche Belichtungszeit ausreichend Licht passende Sensorauflösung Triggerperformance Decoderzeit Bildrate Nicht allein die nominelle „Reads pro Sekunde“-Angabe betrachten.

Der Reader muss gleichzeitig genügend: FOV Pixelauflösung Decoderleistung Prozesszeit bereitstellen. Für jeden einzelnen Code muss innerhalb des gemeinsamen Sichtfeldes noch ausreichend Pixels-per-Module vorhanden sein.

Der Reader bzw. Decoder und die Anwendung bestimmen den erforderlichen Wert.

Ein lesbarer Code muss nicht automatisch eine gute ISO-Qualitätsbewertung besitzen.

Ein stärkerer Decoder kann eine grundsätzlich ungeeignete Beleuchtungsgeometrie nicht vollständig kompensieren.