OCR Implementation on Jetson Nano
Medina Arevalo, Pol
Moreno Font, Vanessa, tut. (Universitat Autònoma de Barcelona. Departament de Microelectrònica i Sistemes Electrònics)
Universitat Autònoma de Barcelona. Escola d'Enginyeria

Títol variant:	Implementació d'OCR en una Jetson Nano
Títol variant:	Implementación de OCR en una Jetson Nano
Data:	2025
Resum:	Aquest projecte explora el desplegament de models d'OCR basats en aprenentatge profund optimitzats a la NVIDIA Jetson Nano per a l'extracció de text en temps real en entorns industrials. L'objectiu principal és equilibrar la precisió i la velocitat d'inferència en dispositius "edge" amb recursos limitats. Adaptem i optimitzem arquitectures d'OCR utilitzant acceleració d'IA, i després les despleguem i avaluem a la Jetson Nano. Els resultats mostren reduccions significatives en la latència d'inferència amb una pèrdua mínima de precisió de reconeixement i certa inconsistència en alguns models específics executats a la Jetson Nano. El projecte proporciona un benchmark del rendiment d'OCR a la Jetson Nano i una metodologia d'optimització reproduïble, demostrant la viabilitat, amb algunes limitacions, de l'OCR en temps real per a l'automatització industrial.
Resum:	Este proyecto explora el despliegue de modelos de OCR basados en aprendizaje profundo optimizados en la NVIDIA Jetson Nano para la extracción de texto en tiempo real en entornos industriales. El objetivo principal es equilibrar la precisión y la velocidad de inferencia en dispositivos "edge" con recursos limitados. Adaptamos y optimizamos arquitecturas de OCR utilizando aceleración de IA, para luego desplegarlas y evaluarlas en la Jetson Nano. Los resultados muestran reducciones significativas en la latencia de inferencia con una pérdida mínima en la precisión de reconocimiento y cierta inconsistencia en algunos modelos específicos ejecutados en la Jetson Nano. Se proporciona un benchmark del rendimiento de OCR en la Jetson Nano y una metodología de optimización reproducible, demostrando la viabilidad, con algunas excepciones, del OCR en tiempo real para la automatización industrial.
Resum:	This project explores the deployment of optimized deep learning-based OCR models on the NVIDIA Jetson Nano for real-time text extraction in industrial environments. The main objective is to balance accuracy and inference speed on resource-limited edge devices. We adapt and optimize OCR architectures using AI acceleration, then deploy and evaluate them on the Jetson Nano. Results show significant reductions in inference latency with minimal loss in recognition accuracy and inconsistency on some specific model platform executed in Jetson Nano. The project provides a benchmark of OCR performance on Jetson Nano and a reproducible optimization methodology, demonstrating the feasibility, with some caveats, of real-time OCR for industrial automation.
Drets:	Aquest document està subjecte a una llicència d'ús Creative Commons. Es permet la reproducció total o parcial, la distribució, la comunicació pública de l'obra i la creació d'obres derivades, sempre que no sigui amb finalitats comercials, i sempre que es reconegui l'autoria de l'obra original.
Llengua:	Anglès
Titulació:	Grau en Intel·ligència Artificial [2504392]
Pla d'estudis:	Intel·ligència Artificial [1497]
Document:	Treball final de grau ; Text
Matèria:	Jetson Nano ; OCR ; EasyOCR ; PaddleOCR ; Aprenentatge profund ; Edge computing ; Optimització ; TensorRT ; Quantificació ; Processament en temps real ; Automatització industrial ; IA embeguda ; Visió per computador ; Extracció de text ; Benchmarking ; Aprendizaje profundo ; Optimización ; Cuantización ; Procesamiento en tiempo real ; Automatización industrial ; IA embebida ; Visión por computador ; Extracción de texto ; Deep learning ; Optimization ; Quantization ; Real-time processing ; Industrial automation ; Embedded ai ; Computer vision ; Text extraction

12 p, 1.4 MB

El registre apareix a les col·leccions:
Documents de recerca > Treballs de Fi de Grau > Escola d'Enginyeria. TFG