一、项目背景

某日化企业长期为多家商超及连锁药店供货，其洗护产品线SKU繁多，每条包装线日产能在数万件以上。按照食品药品监管要求，每件产品的外包装必须清晰、准确地印有生产日期、有效期及生产批号，即行业内常说的"三期喷码"。

然而，该企业此前的质检模式高度依赖人工目检——工人站在传送带旁逐件扫视，判断喷码是否清晰完整。这套方式运行多年，问题持续积累：一方面，产线节拍每分钟达300件以上，人眼在连续高强度作业下根本无法逐个识别毫米级字符的细微缺陷；另一方面，部分包装袋材质反光，喷码颜色与底色对比度低，肉眼极易误判。

问题的直接触发点，是一批洗护产品因有效期错印流入市场，引发大量消费者投诉，品牌口碑受损，企业被迫追溯召回。这一事件让企业管理层下定决心：必须引入自动化视觉检测，彻底告别"靠眼睛、拼运气"的质检模式。

二、检测难点

这个项目看上去只是"认几个数字"，实际落地时踩坑不少，难点集中在三个层面。

材料特性带来成像干扰。 日化产品外包装多采用复合膜或哑光/光面混合材质，喷码区域的表面反射特性极不统一——同一件产品上，有些区域漫反射，有些区域镜面反射，一旦打光角度稍有偏差，光斑就会直接覆盖在字符上，字符对比度骤降，软件根本无从识别。

喷码本身质量不稳定。 喷码机在长时间运行后，墨点会出现扩散、缺失、粘连等现象，字符边缘模糊，笔画残缺，"8"可能被误读成"0"，"1"可能因墨点残缺消失不见。这类缺陷不是"有没有喷"的问题，而是"喷的对不对、清不清楚"的问题，常规传感器无能为力。

逻辑校验是隐性难点。 纯粹的字符识别还不够，三期数据之间存在内在逻辑关联：有效期必须晚于生产日期、批号格式须符合企业规范、同批次产品三期信息必须完全一致。若只做字符层面的读取，不做逻辑层面的校验，就可能放过"字符清晰但内容错误"这类最危险的缺陷。

产线速度容不得误判。 现场节拍每分钟300~600件，检测系统必须在极短的曝光窗口内完成成像、识别、比对、判定全流程，任何环节的延迟都会造成漏检或误剔，进而影响产能。

三、方案尝试过程

第一阶段：沿用传统面阵相机+直射光。

最初的思路很直接：用普通工业相机对准喷码区域拍摄，配合一套现成OCR软件进行识别。但实际测试中问题立即暴露——包装袋表面在直射光下产生大面积镜面反光，拍出的图像局部过曝，字符区域被光斑淹没，识别率不稳定，在光面材质上尤为严重。

第二阶段：尝试调整光源角度，改用斜射低角度照明。

降低打光角度后，镜面反射有所改善，字符轮廓的阴影对比度略有提升，但新的问题随之出现：包装袋边缘弧面区域因受光角度不均，出现局部欠曝与局部过曝同时存在的情况，同一张图像里字符明暗差异悬殊，OCR算法的识别准确率依然无法满足要求。

第三阶段：引入环形光源，验证均匀漫射照明的可行性。

将光源更换为白色环形漫射光源后，成像均匀性明显改善——环形布局使光线从多个方向同时照射喷码区域，有效压制了镜面热点，字符边缘对比度趋于稳定。这一阶段的测试结果表明，光源设计是解决成像问题的核心，算法层面的调整必须建立在稳定成像的基础上才有意义。

第四阶段：升级相机分辨率，配合深度学习OCR算法。

成像稳定后，进一步将相机升级至500万像素，配合16mm工业镜头，将检测视野覆盖至107×78mm的喷码标准区域，单像素精度达到0.412mm。在此基础上，软件层面接入深度学习OCR算法，训练模型适应喷码字体的笔画特征，使其能在墨点轻微扩散或残缺的情况下仍然准确完成识别。

四、最终方案

最终落地的方案，核心逻辑是"先解决光学成像，再交给算法处理"。

光学层面，采用高像素工业相机配合定焦镜头，保证足够的空间分辨率；白色环形漫射光源从多角度均匀覆盖喷码区域，将镜面反射问题控制在算法可容忍的范围之内。这一搭配使系统能够在高速运动的产品上稳定成像，无需减速产线。

算法层面，不仅做字符识别，还做逻辑校验。系统在识别出三期字符内容后，自动与预设标准模板进行比对，同时执行三项逻辑判断：生产日期与有效期的时间逻辑是否合理、批号格式是否符合规范、同批次产品的三期信息是否完全一致。任何一项异常，系统立即触发报警并驱动剔除机构将问题产品移出产线。

数据层面，系统对每一件产品的喷码图像及识别结果进行自动存档，支持按日期、批次、缺陷类型快速检索，为质量追溯和监管核查提供完整数据链。

五、效果对比

实际运行中，系统在处理04号样本（产品为透明瓶身，字符存在背景重叠干扰）时同样保持了稳定识别，这得益于深度学习模型对复杂背景的泛化能力，无需针对每种材质单独调参。

六、经验总结

这个项目走下来，有几点认知值得沉淀：

成像问题优先于算法问题。 很多视觉项目失败，不是算法不够强，而是图像质量太差。光源设计决定了系统的上限，算法只是在这个上限内尽力发挥。

三期检测不等于OCR识别。 纯粹读出字符只完成了一半，逻辑校验才是真正的价值所在。字符印对了但内容错了，是最难被人工发现、也最容易引发召回的缺陷类型。

全检比抽检的意义不在准确率，在于责任边界。 抽检永远存在侥幸区间，全检意味着每一件产品都留有检测记录，出了问题能追溯、能举证、能免责。

换型适配是产线实用性的关键。 日化企业SKU多、批次切换频繁，系统若每次换型都需要重新调试，推广价值就会大打折扣。预存产品模板、一键调取、30分钟内完成切换，是这类方案在实际产线上能落地的前提。

本案例来自创视自动化工业视觉检测项目实践。