การอ่านอักขระด้วยแสงหรือที่รู้จักกันในชื่อ เทคโนโลยี OCR (Optical Character Recognition) คือการใช้เทคโนโลยีในการแยกแยะตัวอักษรจากภาพถ่ายดิจิตอล เช่น ภาพแสกนเอกสาร ภาพพิมพ์บนวัสดุต่าง ๆ โดยระบบจะประกอบด้วยส่วนฮาร์ดแวร์สำหรับรับภาพ เช่น กล้องหรือแสกนเนอร์ และซอฟท์แวร์สำหรับตรวจจับตัวอักษร 

            สำหรับในอุตสาหกรรมอาหาร เทคโนโลยี OCR เข้ามามีบทบาทมาก เนื่องจากทั้งวัตถุดิบและผลิตภัณฑ์ ล้วนต้องมีการพิมพ์รายละเอียด เช่น ชนิดสินค้า เลขล็อต วันหมดอายุ ส่วนประกอบ แหล่งที่มา หรือข้อมูลอื่น ๆ ติดลงบนบรรจุภัณฑ์ ดังนั้น การที่มีเทคโนโลยีที่สามารถเข้ามามีบทบาทในการช่วย “อ่าน” ข้อมูล และเก็บข้อมูลเหล่านี้ในรูปแบบดิจิตอล จะช่วยอำนวยความสะดวกให้กับการจัดการ และเป็นการเก็บสะสมข้อมูลสำหรับเป็นตัวช่วยให้ระบบคอมพิวเตอร์ช่วยทำการตัดสินใจต่าง ๆ ตามระบบที่ได้ถูกกำหนดไว้โดยอัตโนมัติ

การตรวจสอบผลิตภัณฑ์ (Inspection)

            เทคโนโลยี OCR มีบทบาทอย่างมากในการตรวจสอบความถูกต้องสมบูรณ์ของการพิมพ์บนบรรจุภัณฑ์ เช่น ในกรณีที่การพิมพ์มีปัญหา หัวพิมพ์เสีย อุดตัน ทำให้ตัวอักษรแสดงข้อมูลผลิตภัณฑ์ผิดพลาด เช่น หมึกหมดจนพิมพ์ไม่สมบูรณ์ (1)  (Uncompleted print), การพิมพ์เบลอ (Blurred print) จากพื้นผิวเปียก หรือเกิดไฟฟ้าสถิต ทำให้พิมพ์ผิดพลาด  (1) หรือพนักงานสัมผัสบริเวณพิมพ์โดยที่หมึกยังไม่แห้ง (2) , หรือการพิมพ์ทับซ้อน (Doubled print) จากการส่งสัญญาณผิดพลาด¹ เป็นต้น ซึ่งอาจส่งผลในการตีกลับผลิตภัณฑ์จากปลายทางได้ (โดยเฉพาะอย่างยิ่ง หากการพิมพ์ที่ผิดพลาดเกี่ยวข้องกับข้อมูลอายุของผลิตภัณฑ์) การตรวจสอบเหล่านี้ หากใช้มนุษย์ในการตรวจสอบ ต้องใช้แรงงานจำนวนมากเพื่อให้ทันกับปริมาณผลิตภัณฑ์ที่ผลิตขึ้นในแต่ละวัน และมีโอกาสหลุดรอดสายตาไปได้ง่ายหากพนักงานมีความเหนื่อยล้า ในปัจจุบันมีการพัฒนาเทคโนโลยี OCR มาสำหรับอ่านอายุของอาหารที่ระบุด้วยการพิมพ์แต่ละแบบ อาทิ การพิมพ์ด้วย Inkjet¹, การพิมพ์ด้วย Dot matrix (3) 

            นอกจากเรื่องอายุของผลิตภัณฑ์แล้ว การระบุชนิดของสารก่อภูมิแพ้ ก็เป็นอีกเรื่องหนึ่งที่สำคัญในเรื่องเกี่ยวกับมาตรฐานอาหาร โดยต้องมั่นใจว่าผลิตภัณฑ์ที่มีหรืออาจมีสารก่อภูมิแพ้ ได้ถูกบรรจุในบรรจุภัณฑ์ที่ถูกต้อง โดยมีการระบุชนิดของสารก่อภูมิแพ้อย่างชัดเจน ซึ่งในจุดนี้ เทคโนโลยี OCR จะเข้ามามีบทบาทในการทำให้มั่นใจว่าผลิตภัณฑ์ถูกบรรจุในบรรจุภัณฑ์ที่ถูกต้อง และตัวบรรจุภัณฑ์มีคุณภาพการพิมพ์ที่สมบูรณ์

การจัดการคลังสินค้า (Storage management)

            โดยทั่วไปการจัดการคลังสินค้านั้น จะใช้มนุษย์ในการอ่านวันหมดอายุของอาหารแและจัดเรียงสินค้าตามวันผลิตหมดอายุ แต่การทำงานซ้ำ ๆ ดังกล่าว มีโอกาสเกิดความผิดพลาดได้สูง (4)  การจัดการคลังสินค้าตามการเก็บข้อมูลอายุการเก็บของอาหารในรูปแบบดิจิตอลด้วย OCR หรือการใช้เทคโนโลยี OCR เข้ามาช่วยอ่านรหัสโค้ดต่าง ๆ  จึงเข้ามามีส่วนช่วยทำให้การขนส่งและจัดการสต็อกสินค้ามีประสิทธิภาพมากขึ้น เนื่องจากสามารถนับจำนวนของตามรหัสโค้ดที่กำหนด นอกจากนี้ยังช่วยในการเรียงการใช้งานวัตถุดิบหรือขายผลิตภัณฑ์ตามวันหมดอายุ ทำให้ช่วยลดการจัดการผลิตภัณฑ์ที่หมดอายุ เนื่องจากความผิดพลาดในการจัดการลำดับการใช้งานหรือการขาย และช่วยลดความเสี่ยงโรคทางอาหารที่เกิดจากการรับประทานอาหารที่ไม่ปลอดภัยได้ดีมากขึ้น มีงานศึกษาจาก  University of Glasgow (5) เกี่ยวการใช้ระบบ OCR เป็นส่วนหนึ่งในการเก็บข้อมูลเพื่อส่งเข้าระบบ IoT โดยทดลองในการจัดการตู้แช่เย็นและแช่แข็ง โดยใช้เทคโนโลยี OCR เก็บข้อมูลชนิดของอาหาร และวันหมดอายุ ร่วมกับการใช้เซนเซอร์ในการเก็บข้อมูลอื่น ๆ เช่น อุณหภูมิ แสง และความชื้น ส่งเข้าระบบ IoT ในการจัดการตู้แช่เย็นและแช่แข็งให้มีประสิทธิภาพมากขึ้น เช่น การแจ้งเตือนผลิตภัณฑ์ที่หมดอายุ การแสดงรายการของภายในตู้แช่โดยไม่ต้องเปิดตู้ เป็นต้น นอกจากนี้ยังสามารถต่อยอดเพื่อพัฒนาสร้างระบบอำนวยความสะดวกอื่น ๆ ที่เกี่ยวข้อง ได้ เช่น การสร้างรายการซื้อวัตถุดิบจากปริมาณของที่เหลือ และการออกแบบสูตรและเมนูอาหารจากวัตถุดิบภายในตู้แช่ เป็นต้น

การตรวจติดตาม สอบย้อนกลับ และความโปร่งใสในห่วงโซ่อุปทาน (Track & trace and supply chain transparency)

            ในผลิตภัณฑ์ที่มีความเฉพาะตัวและมีราคาสูง และมีความเสี่ยงต่อการถูกปลอมปน เช่น ไวน์  (6) ที่แต่ละขวดมีเลขซีเรียลนัมเบอร์ของตัวเอง สามารถใช้เทคโนโลยี OCR เข้ามาช่วยใช้ในการตรวจติดตาม (track) และตรวจสอบย้อนกลับ (trace) ข้อมูลของไวน์ขวดนั้น ๆ เพื่อให้มั่นใจในความโปร่งใสของห่วงโซ่อุปทาน ว่าเป็นของแท้ สามารถตรวจสอบได้ตลอดเวลาและสอบย้อนไปยังต้นทางได้ โดยข้อดีของการใช้ OCR คือไม่จำเป็นต้องมีการเปลี่ยนแปลงระบบการผลิตไวน์ เช่น การติด QR code, แท็ก RFID หรืออุปกรณ์อื่น ๆ เพิ่มเติมเพื่อใช้ในการติดตามผลิตภัณฑ์ โดยนอกจากเลขซีเรียลนัมเบอร์แล้ว OCR ยังสามารถบันทึกข้อมูลอื่น ๆ ที่แสดงบนขวดขึ้นสู่ระบบดิจิตอลได้อีกด้วย เช่น ชนิดของไวน์ สถานที่ผลิต แหล่งที่มา คะแนนประเมิน เป็นต้น

ตัวช่วยของผู้บริโภค (Customer helper)

            -เตือนเรื่องสารก่อภูมิแพ้ (Allergen alert)

            นอกจากการใช้งานในโรงงานอาหารแล้ว ยังมีการพัฒนาเทคโนโลยี OCR ในรูปของแอพพลิเคชันมือถือในการช่วยเหลือผู้ป่วยโรคภูมิแพ้อาหารในการอ่านฉลากผลิตภัณฑ์และคัดกรองผลิตภัณฑ์ที่เป็นอันตรายต่อผู้ป่วย  (7) หรือในเด็กที่มีความเสี่ยงที่จะเกิดโรคภูมิแพ้อาหาร (8) 

            – เก็บข้อมูลการซื้ออาหารจากใบเสร็จ (receipt data collection)

            มีการพัฒนาเทคโนโลยี OCR เข้าเป็นส่วนหนึ่งของแอพพลิเคชันช่วยควบคุมอาหารสำหรับผู้สูงอายุ (9)  โดยใช้เทคโนโลยี OCR ช่วยแปลงภาพถ่ายใบเสร็จจากร้านค้า แสดงเป็นลิสต์ของอาหารที่ซื้อมาในแอพพลิเคชัน และมีฟังก์ชันในการบันทึกปริมาณอาหารที่รับประทาน และการแนะนำปริมาณพลังงานที่เหมาะสมกับการรับประทานในแต่ละวัน

            – คำนวณโภชนาการ (Nutrition calculation)

            การใช้เทคโนโลยี OCR ช่วยแปลงข้อมูลจากภาพถ่ายข้อมูลโภชนาการบนบรรจุภัณฑ์สินค้าออกมาเป็นดิจิตอล สามารถนำไปต่อยอดพัฒนาแอพลิเคชันแนะนำปริมาณอาหารที่ควรบริโภคต่อวัน (10)  และบันทึกว่าในแต่ละวัน ผู้ใช้งานรับประทานอาหารกลุ่มไหนมากน้อยอย่างไร ควรบริโภคอาหารกลุ่มใดเพิ่มเติม หรือวางแผนการรับประทานอาหารอย่างไรให้ดีต่อสุขภาพมากยิ่งขึ้นได้

            – อาหารฮาลาล (Halal checker)

            แอพลิเคชันที่ใช้เทคโนโลยี OCR เข้ามาเป็นตัวช่วยในการคัดกรองส่วนผสมของอาหาร สามารถเป็นตัวช่วยสำหรับผู้บริโภคที่นับถือศาสนาอิสลามในการหลีกเลี่ยงอาหารที่ไม่เป็นไปตามข้อกำหนดทางศาสนา โดยเฉพาะอย่างยิ่งส่วนประกอบที่ระบุอยู่ในรูปเลขโค้ด (11)  รหัสของวัตถุเจือปนอาหาร ชื่อทางวิทยาศาสตร์ ซึ่งอาจจะอ่านเข้าใจได้ยาก

            หากท่านสนใจข้อมูลเพิ่มเติมเกี่ยวกับระบบ OCR สามารถติดต่อเรา เพื่อขอข้อมูลเพิ่มเติม ให้คำปรึกษา เพื่อพัฒนาระบบ OCR สำหรับอุตสาหกรรมอาหารของท่านได้ทันที

เอกสารอ้างอิง

1.Koch M. & Doring A. 2011. OCV, O. OCR vs. OCV Monitoring of Printed Product Information. Technical report

2.Liu, X., Xia, M., Xia, N., Tang, S., Yao, A., & Li, W. (2021, March). Detection of characters ink dot defects on the surface of industrial products. In 2021 4th International Conference on Advanced Electronic Materials, Computers and Software Engineering (AEMCSE)(pp. 955-959). IEEE.

3.Muresan, M. P., Szabo, P. A., & Nedevschi, S. (2019, September). Dot Matrix OCR for Bottle Validity Inspection. In 2019 IEEE 15th international conference on intelligent computer communication and processing (ICCP)(pp. 395-401). IEEE.

4.Gong, L., Yu, M., Duan, W., Ye, X., Gudmundsson, K., & Swainson, M. (2018, May). A novel camera based approach for automatic expiry date detection and recognition on food packages. In IFIP International Conference on Artificial Intelligence Applications and Innovations(pp. 133-142). Springer, Cham.

5.Dong, Z., Abdulghani, A. M., Imran, M. A., & Abbasi, Q. H. (2020, April). Artificial Intelligence Enabled Smart Refrigeration Management System Using Internet of Things Framework. In Proceedings of the 2020 International Conference on Computing, Networks and Internet of Things(pp. 65-70).

6.Čakić, S., Popović, T., Šandi, S., Krčo, S., & Gazivoda, A. (2020, February). The use of tesseract ocr number recognition for food tracking and tracing. In 2020 24th International Conference on Information Technology (IT)(pp. 1-4). IEEE.

7.Rohini, B., Pavuluri, D. M., Kumar, L. N., Soorya, V., & Aravinth, J. (2021, March). A Framework to Identify Allergen and Nutrient Content in Fruits and Packaged Food using Deep Learning and OCR. In 2021 7th International Conference on Advanced Computing and Communication Systems (ICACCS)(Vol. 1, pp. 72-77). IEEE.

8.Kamis, N. A. P., & Shin, O. K. (2020). OCR-Based Safety Check System of Packaged Food for Food Inconvenience Patients. 한국디지털콘텐츠학회 논문지, 21(6), 1025-1032.

9.Sainz-De-Abajo, B., García-Alonso, J. M., Berrocal-Olmeda, J. J., Laso-Mangas, S., & De La Torre-Díez, I. (2020). FoodScan: Food Monitoring App by Scanning the Groceries Receipts. IEEE Access, 8, 227915-227924.

10.Nasir, M. A. M., & Othman, N. Z. S. (2018). Food labelling recognition using ocr for mobile application. IUTM Computing Proceedings: Innovations in Computing Technology and Applications, 3, 1263-1267.

11.Fadhilah, H., Djamal, E. C., Ilyas, R., & Najmurrokhman, A. (2018, August). Non-halal ingredients detection of food packaging image using convolutional neural networks. In 2018 International symposium on advanced intelligent informatics (SAIN)(pp. 131-136). IEEE.