Reconocimiento óptico de caracteres de la etiqueta nutricional de productos alimenticios

Título:

Reconocimiento óptico de caracteres de la etiqueta nutricional de productos alimenticios

Autor:

Puppo, Florencia

Otros autores / Colaboradores:

 Abásolo Guerrero, María José; [ Director/a]  Ronchetti, Franco; [ Director/a] 

Temas:

RECONOCIMIENTO ÓPTICO DE CARACTERES - OCR; SOFTWARE DE CÓDIGO ABIERTO; 

URL:

http://sedici.unlp.edu.ar/handle/10915/140224,

Palabras clave:

etiquetado de alimentos, 

Nota de tesis:

Tesina (Licenciatura en Sistemas) - Universidad Nacional de La Plata. Facultad de Informática, 2022.

Extensión:

1 archivo (2,6 MB) : il. col.

Resumen:

Esta Tesina de grado tiene por objetivo investigar herramientas de Reconocimiento Óptico de Caracteres (OCR), en particular el funcionamiento de las mismas reconociendo el texto incluido en tablas presentes en etiquetes nutricionales de alimentos. Se analizaron las estructuras de las tablas nutricionales, las herramientas de OCR existentes, y métodos de medición. Posteriormente se llevaron a cabo diversas pruebas para evaluar el comportamiento de las herramientas, y comparar los cambios en su performance ante una diversidad de imágenes de etiquetas nutricionales disponibles en el mercado de Argentina.

Puede solicitar más fácilmente el ejemplar con: TES 22/04

Resumen 

Capítulo 1 | Motivación y Objetivos 
1.1 Motivación 
1.2 Objetivos 
1.2.1 Objetivo General 
1.2.2 Objetivos específicos 
1.3. Metodología 
1.4. Organización del resto del informe

Capítulo 2 | Estado del Arte 
2.1. ¿Qué es OCR? 
2.2. Primeros desarrollos del OCR 
2.3. Pasos fundamentales del OCR 
2.4. Herramientas de OCR existentes 
2.4.1. GOCR/JOCR 
2.4.2. Cuneiform 
2.4.3. Ocrad 
2.4.4. OCRFeeder 
2.4.5. Tesseract 
2.4.5.1. Descripción funcional 
2.4.5.2. Descripción técnica 
2.4.6 ML Kit

Capítulo 3 | Etiquetas de información nutricional 
3.1 Introducción 
3.2 Etiquetas de información nutricional en Argentina 
3.3 Características de las etiquetas 
3.3.1. Información de cantidades 
3.3.2. Formato gráfico de la información 
3.3.3. Color de texto/fondo 
3.3.4. Fuentes y tipografías 
3.3.5. Soporte físico

Capítulo 4 | Métricas para comparativa de herramientas OCR 
4.1. Introducción 
4.2. Ocreval 
4.3. Método Wordacc 
4.3. Método Accuracy 
4.4. Representación gráfica de los resultados

Capítulo 5 | Comparativa de herramientas OCR 
5.1. Organización de las pruebas 
5.2. Prueba con imágenes digitales B/N (P1) 
5.2.1. Banco de imágenes 
5.2.2. Resultados 
5.2.3. Análisis general de los resultados 
5.2.4. Análisis de la estructura de tablas 
5.2.4.1. Tablas sin divisiones 
5.2.4.2. Tablas con divisiones verticales 
5.2.4.3. Tablas con divisiones verticales y horizontales 
5.2.5. Resumen del análisis 
5.3 Pruebas con imágenes capturadas B/N (P2) 
5.3.1. Banco de imágenes 
5.3.2. Resultados 
5.3.3. Análisis de los resultados 
5.4. Pruebas con imágenes de etiquetas digitalizadas (P3) 
5.4.1. Banco de imágenes 
5.4.2. Resultados 
5.4.3. Análisis de la accuracy resultante 
5.4.4. Análisis de la estructura de las tablas 
5.4.4.1. Tabla con divisiones verticales y horizontales 
5.4.4.2. Tabla con divisiones únicamente horizontales 
5.4.4.3. Tabla con divisiones únicamente verticales 
5.4.5. Resumen del análisis 
5.5 Comparativa Tesseract y ML Kit con imágenes de etiquetas reales capturadas 
5.5.1. Descripción de la prueba 
5.5.2. Banco de imágenes 
5.5.3. Resultados 
5.5.4. Análisis de los resultados 
5.6. Evaluaciones sobre variantes de altura con Tesseract 
5.6.1. Descripción de la prueba 
5.6.2. Resultados

Capítulo 6 | Conclusiones y trabajos futuros