Dos sistemas pueden «leer» el mismo código y hacer cosas muy distintas. Uno confirma que hay un código; el otro confirma que el código es el correcto. Esa diferencia —OCR frente a OCV— es la que decide si una pieza mal etiquetada llega o no a tu cliente.
OCR: leer lo impreso
El OCR (Optical Character Recognition) reconoce el texto o el código presente en la pieza o la etiqueta: un lote, una caducidad, una referencia, un código de barras o Datamatrix. Su trabajo es convertir lo impreso en dato para alimentar tu sistema, normalmente para trazabilidad.
OCV: verificar que es correcto
El OCV (Optical Character Verification) va un paso más allá: no solo lee, comprueba que lo leído es lo que debe ser y rechaza la pieza si no coincide, está incompleto o es ilegible. La diferencia es operativa: el OCR te dice «pone 12/2027»; el OCV te dice «debía poner 12/2027 y coincide» —o no, y la para—.
Por qué la diferencia importa en una línea
Imagina una etiqueta con la caducidad de otro lote. Un lector simple la lee sin problema: hay un código válido, pasa. Un sistema de OCV la compara con lo que debía imprimirse, detecta que no coincide y la rechaza antes de que salga de la línea. En sectores con trazabilidad exigente —farma, alimentación, automoción— esa diferencia es la que evita una retirada de producto.
Códigos, texto y trazabilidad
Un sistema de lectura por visión cubre, según el caso:
- Códigos 1D y 2D — código de barras, Datamatrix, QR.
- OCR de texto — lote, caducidad, referencia, marcado láser.
- OCV — verificación de que lo impreso es correcto.
- Trazabilidad y serialización — identificación unitaria con registro.
Cuando la impresión es de baja calidad o el marcado está degradado, el deep learning mejora la tasa de lectura frente a las reglas clásicas.
OCR, OCV y la trazabilidad industrial
Leer y verificar códigos es la base de la trazabilidad industrial: poder seguir cada unidad —o cada lote— a lo largo del proceso y, si hace falta, después. El OCR alimenta el dato (qué pieza es); el OCV garantiza que ese dato es correcto antes de que la pieza avance.
En la práctica, un sistema de visión que lee y verifica se integra con tu MES o tu ERP para registrar cada lectura, de modo que la trazabilidad no dependa de apuntes manuales. En sectores con serialización —farma, y cada vez más alimentación y automoción— esa lectura unitaria fiable es lo que sostiene todo el sistema de trazabilidad. Sin verificación, una sola etiqueta mal impresa rompe la cadena.
Datamatrix, código de barras y QR: cuándo cada uno
No todos los códigos sirven para todo. El código de barras (1D) es rápido y barato, pero guarda poca información y necesita espacio horizontal. El Datamatrix (2D) almacena mucho en muy poco espacio y se lee aunque esté parcialmente dañado —por eso domina en serialización farmacéutica y en marcado directo de piezas metálicas—. El QR es el 2D más conocido y de alta capacidad, habitual en logística. La elección depende del dato a guardar, el espacio disponible y el soporte —etiqueta, impresión directa, marcado láser—. Un sistema de visión los lee todos; lo que cambia es la dificultad de lectura según la calidad y el contraste.
OCR con deep learning para marcados difíciles
El OCR clásico funciona bien con texto limpio y fuentes conocidas. Pero en industria el marcado suele ser difícil: bajo contraste, sobre metal, deformado, con suciedad o con tipografías irregulares. Ahí el OCR con deep learning marca la diferencia: entrenado con ejemplos reales de tu marcado, lee donde el OCR de reglas falla. No es magia —necesita imágenes representativas, incluidas las de peor caso—, pero es lo que hace viable leer un lote grabado a láser sobre una pieza brillante. El integrador valora si tu marcado lo necesita en la prueba de lectura.
Cómo empezar
Como en cualquier inspección por visión, la viabilidad se demuestra con tus muestras —incluidas las de peor impresión— antes de comprometer un sistema.
Cuéntanos qué necesitas leer o verificar y te ponemos en contacto con integradores verificados. Solicita un estudio de viabilidad, sin compromiso.