Автоматическая идентификация и сбор данных

Автоматическая идентификация и сбор данных ( AIDC ) — методы автоматической идентификации объектов, сбора данных о них и ввода их непосредственно в компьютерные системы, без участия человека. Технологии, которые обычно считаются частью AIDC, включают QR-коды , ^[1] штрих-коды , радиочастотная идентификация (RFID) , биометрия (например, система распознавания радужной оболочки глаза и лица ), магнитные полосы , оптическое распознавание символов (OCR), смарт-карты и распознавание голоса . AIDC также часто называют «автоматической идентификацией», «авто-идентификацией» и «автоматическим сбором данных». ^[2]

AIDC — это процесс или средство получения внешних данных, в частности, посредством анализа изображений , звуков или видео . Для захвата данных используется преобразователь , который преобразует фактическое изображение или звук в цифровой файл. Затем файл сохраняется, а позднее его можно проанализировать на компьютере или сравнить с другими файлами в базе данных для проверки личности или предоставления разрешения на вход в защищенную систему. Сбор данных может осуществляться различными способами; лучший метод зависит от приложения.

В биометрических системах безопасности захват — это получение или процесс получения и идентификации таких характеристик, как изображение пальца, изображение ладони, изображение лица, отпечаток радужной оболочки глаза или отпечаток голоса, который включает в себя аудиоданные, а все остальные включают видеоданные.

Радиочастотная идентификация — относительно новая технология AIDC, впервые разработанная в 1980-х годах. Эта технология служит основой для автоматизированных данных систем сбора, идентификации и анализа по всему миру. RFID нашла свое значение на широком спектре рынков, включая системы идентификации скота и автоматизированной идентификации транспортных средств (AVI), благодаря своей способности отслеживать движущиеся объекты. Эти автоматизированные беспроводные системы AIDC эффективны в производственных условиях, где этикетки со штрих-кодом не могут выжить.

Обзор методов автоматической идентификации [ править ]

Почти все технологии автоматической идентификации состоят из трех основных компонентов, которые также включают последовательные этапы AIDC:

Кодировщик данных. Код — это набор символов или сигналов, которые обычно представляют собой буквенно-цифровые символы. Когда данные кодируются, символы переводятся в машиночитаемый код. К предмету, подлежащему идентификации, прикрепляется этикетка или бирка, содержащая закодированные данные.
Машинное считывание или сканер. Это устройство считывает закодированные данные, преобразуя их в альтернативную форму, обычно в электрический аналоговый сигнал.
Декодер данных. Этот компонент преобразует электрический сигнал в цифровые данные и, наконец, обратно в исходные буквенно-цифровые символы.

Сбор данных из печатных документов [ править ]

Одной из наиболее полезных прикладных задач сбора данных является сбор информации из бумажных документов и сохранение ее в базах данных (CMS, ECM и других системах). Существует несколько типов базовых технологий, используемых для сбора данных в зависимости от типа данных: ^{[ нужна ссылка ]}

OCR – для распознавания печатного текста ^[3]
ICR – для распознавания рукописного текста ^{[ нужна ссылка ]}
OMR – для распознавания знаков ^[4]
OBR – для распознавания штрих-кодов ^[5]
BCR – для распознавания штрих-кода ^[6]
DLR – для распознавания слоев документа ^{[ нужна ссылка ]}

Эти базовые технологии позволяют извлекать информацию из бумажных документов для дальнейшей обработки в информационных системах предприятия, таких как ERP , CRM и других. ^{[ нужна ссылка ]}

Документы для сбора данных можно разделить на 3 группы: структурированные, полуструктурированные и неструктурированные . ^{[ нужна ссылка ]}

Структурированные документы (анкеты, тесты, страховые бланки, налоговые декларации, бюллетени и т.п.) имеют полностью одинаковую структуру и внешний вид. Это самый простой тип сбора данных, поскольку все поля данных расположены в одном и том же месте во всех документах. ^{[ нужна ссылка ]}

Полуструктурированные документы (счета-фактуры, заказы на поставку, накладные и т.п.) имеют одинаковую структуру, но их внешний вид зависит от нескольких позиций и других параметров. Сбор данных из этих документов — сложная, но решаемая задача. ^[7]

Неструктурированные документы (письма, контракты, статьи и т. д.) могут иметь гибкую структуру и внешний вид.

Интернет и будущее [ править ]

Сторонники развития систем AIDC утверждают, что AIDC может значительно повысить эффективность промышленности и общее качество жизни. В случае широкого внедрения эта технология может сократить или исключить подделку, кражи и потери продукции, одновременно повышая эффективность цепочек поставок. ^[8] Однако другие высказали критику по поводу потенциального распространения систем AIDC в повседневную жизнь, ссылаясь на опасения по поводу конфиденциальности, согласия и безопасности личной жизни. ^[9]

Глобальная ассоциация Auto-ID Labs была основана в 1999 году и объединяет 100 крупнейших компаний мира, таких как Walmart , Coca-Cola , Gillette , Johnson & Johnson , Pfizer , Procter & Gamble , Unilever , UPS , компании, работающие в секторе технологий, таких как SAP , Alien, Sun, а также пять академических исследовательских центров. ^[10] Они базируются в следующих университетах; Массачусетский технологический институт в США, Кембриджский университет в Великобритании, Университет Аделаиды в Австралии, Университет Кейо в Японии и ETH Zurich , а также Университет Санкт-Галлена в Швейцарии.

Лаборатории Auto-ID предлагают концепцию будущей цепочки поставок, основанной на Интернете объектов, то есть глобального применения RFID. Они пытаются гармонизировать технологии, процессы и организацию. Исследования сосредоточены на миниатюризации (с целью достижения размера чипа 0,3 мм), снижении цены на одно устройство (с целью около 0,05 доллара за единицу), разработке инновационных приложений, таких как оплата без физического контакта ( Sony / Philips ). , бытовая техника (одежда, оснащенная радиометками и интеллектуальными стиральными машинами), а также спортивные мероприятия (хронометраж на Берлинском марафоне ).

АИДК 100 [ править ]

AIDC 100 — профессиональная организация, работающая в сфере автоматической идентификации и сбора данных (AIDC). В эту группу входят люди, внесшие существенный вклад в развитие отрасли. Улучшение понимания бизнесом процессов и технологий AIDC является основной целью организации. ^[11]

См. также [ править ]

Ссылки [ править ]

^ Рынок автоматической идентификации и сбора данных (штрих-коды, карты с магнитной полосой, смарт-карты, системы оптического распознавания символов, продукты RFID и биометрические системы) — глобальный прогноз до 2023 года
^ «Автоматическая идентификация и сбор данных (AIDC)» . www.mhi.org . Проверено 11 апреля 2021 г.
^ «Что такое оптическое распознавание символов (OCR)?» . www.ukdataentry.com . 22 июля 2016 г. Проверено 22 июля 2016 г.
^ Палмер, Роджер К. (1989, сентябрь) Основы автоматической идентификации [Электронная версия]. Канадские системы данных, 21 (9), 30–33.
^ Роуз, Маргарет (01 октября 2009 г.). «штрих-код (или штрих-код)» . ТехТаржет. Архивировано из оригинала 10 августа 2017 г. Проверено 9 марта 2017 г.
^ Технологии, Признанный. «Оптическое распознавание и сбор данных» . www.recogniform.com . Проверено 15 января 2015 г.
^ Йи, Чонхи; Сундаресан, Нил (2000). «Классификатор полуструктурированных документов». Материалы шестой Международной конференции ACM SIGKDD по обнаружению знаний и интеллектуальному анализу данных – KDD '00 . стр. 340–344. CiteSeerX 10.1.1.87.2662 . дои : 10.1145/347090.347164 . ISBN 1581132336 . S2CID 2154084 .
^ Вальднер, Жан-Батист (2008). Нанокомпьютеры и роевой интеллект . Лондон: ISTE John Wiley & Sons . стр. 205–214. ISBN 978-1-84704-002-2 .
^ Глейзер, апрель (9 марта 2016 г.). «Биометрия приходит вместе с серьезными проблемами безопасности» . www.wired.com . Проверено 5 июля 2021 г.
^ Центр автоидентификации. «Новая сеть» . Архивировано из оригинала (PDF) 22 марта 2016 года . Проверено 23 июня 2011 г.
^ «АИДК 100» . AIDC 100: Профессионалы, добившиеся успеха в обслуживании отрасли AIDC . Архивировано из оригинала 24 июля 2011 года . Проверено 2 августа 2011 г.

[1] Рынок автоматической идентификации и сбора данных (штрих-коды, карты с магнитной полосой, смарт-карты, системы оптического распознавания символов, продукты RFID и биометрические системы) — глобальный прогноз до 2023 года

[2] «Автоматическая идентификация и сбор данных (AIDC)» . www.mhi.org . Проверено 11 апреля 2021 г.

[3] «Что такое оптическое распознавание символов (OCR)?» . www.ukdataentry.com . 22 июля 2016 г. Проверено 22 июля 2016 г.

[4] Палмер, Роджер К. (1989, сентябрь) Основы автоматической идентификации [Электронная версия]. Канадские системы данных, 21 (9), 30–33.

[5] Роуз, Маргарет (01 октября 2009 г.). «штрих-код (или штрих-код)» . ТехТаржет. Архивировано из оригинала 10 августа 2017 г. Проверено 9 марта 2017 г.

[6] Технологии, Признанный. «Оптическое распознавание и сбор данных» . www.recogniform.com . Проверено 15 января 2015 г.

[7] Йи, Чонхи; Сундаресан, Нил (2000). «Классификатор полуструктурированных документов». Материалы шестой Международной конференции ACM SIGKDD по обнаружению знаний и интеллектуальному анализу данных – KDD '00 . стр. 340–344. CiteSeerX 10.1.1.87.2662 . дои : 10.1145/347090.347164 . ISBN 1581132336 . S2CID 2154084 .

[8] Вальднер, Жан-Батист (2008). Нанокомпьютеры и роевой интеллект . Лондон: ISTE John Wiley & Sons . стр. 205–214. ISBN 978-1-84704-002-2 .

[9] Глейзер, апрель (9 марта 2016 г.). «Биометрия приходит вместе с серьезными проблемами безопасности» . www.wired.com . Проверено 5 июля 2021 г.

[10] Центр автоидентификации. «Новая сеть» . Архивировано из оригинала (PDF) 22 марта 2016 года . Проверено 23 июня 2011 г.

[11] «АИДК 100» . AIDC 100: Профессионалы, добившиеся успеха в обслуживании отрасли AIDC . Архивировано из оригинала 24 июля 2011 года . Проверено 2 августа 2011 г.

[1]

[2]

[3]

[4]

[5]

[6]

[7]

[8]

[9]

[10]

[11]