Detect Codes Neural Network

Erkennt verschiedene Codetypen wie Barcodes, QR-Codes und Data-Matrix-Codes im bereitgestellten Bild mithilfe eines trainierten Neuronalen Netzwerkes. Die erkannten Codes werden nach ihrer Modell Konfidenz von hoch nach niedrig sortiert. Wenn ein Code erkannt wird, wird der Bereich gemäß dem Verhältnis der Coderegion vergrößert. Abhängig vom erkannten Code Typ wird anschließend der passende Lesealgorithmus angewendet.

Optional kann ein boolesches Signal für den Eingang Enable Execution ausgewählt werden, sodass der Algorithmus nur aktiv ist, wenn der Wert des ausgewählten Signals TRUE ist.

Konfigurationsoptionen

• Num Codes: Maximale Anzahl der zu findenden Codes.
• Model: Modell des neuronalen Netzwerks zur Codeerkennung. Es stehen unterschiedliche Modelle zur Verfügung. Darunter spezialisierte Modelle für 1D-Codes, 2D-Codes oder alle Codetypen.
• Code Type: Legt den oder die zu erkennenden Code Typen fest.
• Code Region Ratio: (Optional) Vergrößert oder verkleinert die gefundene Coderegion proportional zu ihrer aktuellen Größe.
• Dot Code Module Width: (Optional) Mittlerer Punktdurchmesser des Codes im Bild in Pixeln. Der Wert muss mindestens 3, vorzugsweise 5 bis 8 betragen. Nur erforderlich bei Dot-Codes.

Ausgangswerte

• Count Results: Wird inkrementiert, wenn ein neues Ergebnis bereitgestellt wird.
• hr: HRESULT-Fehlercode, der das Ergebnis der Verarbeitung ausgibt.
• Last Event: Zeitstempel des letzten Ergebnisses.
• Codes Detected: Anzahl der gefundenen Codes.
• Image: Ausgangsbild des Algorithmus.
• Code Type 00..n: Typ des gefundenen Codes
• Decoded Data 00..n: Dekodierte Daten des gefundenen Codes.
• Top Left Corner 00..n: Obere Linke Ecke des gefundenen Codes.
• Bottom Right Corner 00..n: Untere Rechte Ecke des gefundenen Codes.
• New Result: (Optional) TRUE, wenn ein neues Ergebnis bereitgestellt wird.
• Image Preview: (Optional) Bild, in dem die gefundenen Objekte eingezeichnet sind.