印刷【A级条码】的方法

简介: 条码的等级是能否被正确识别的关键,等级分为“A B C D F”五个等级,A级是最高级别,很多印刷厂或广告公司制作A级条码时使用的方式经常是:将矢量格式的条形码导入到CDR或者Illustrator中排版印刷,这种做法识别等级不稳定。

条码的等级是能否被正确识别的关键,等级分为“A B C D F”五个等级,A级是最高级别,很多印刷厂或广告公司制作A级条码时使用的方式经常是:将矢量格式的条形码导入到CDR或者Illustrator中排版印刷,这种做法识别等级不稳定。

恒佑独有的条码驱动打印技术,严格遵照国际GS1和中国物品编码中心标准,Label mx 条码软件可以输出印刷需求的高分辨率单色100K位图,条码印刷质量可以达到A级。

举例如下:

一、启动 Label mx 程序新建标签后,点击一维条码工具在页面中画出一个条码图形,选择Code 128 Auto类型,这里采用默认数据12345678:具体的画图操作可以点开软件的“帮助”菜单,有详细教程,这里不再单独讲解。

二、进入“打印设置”窗口,在“打印驱动”选择夹里选择“Label mx专用模拟指令驱动”方式,本方式要注意两点:

1.印刷分辨率要为300DPI以上,推荐使用600DPI

2.选择本选项之后,条码编辑宽度会递增、递减尺寸,因为他是根据分辨率的最高等级算法来拉伸。

三、点击“确定”按钮,会出现下图的提示,条码宽度将自动校正为接近的A级宽度,通俗一点说:比如您输入条码宽度是30mm,因为要满足A级,软件会校正可能为29.xx或30.xx。

四、点击“打印”菜单下的“打印到图片”:

五、在弹出的窗口上,选择保存的路径,分辨率跟打印驱动里的保持一致,600*600,位图类型选择单色位图,最后点击“确定”按钮输出图片。

通过以上简单的设置,A级条码印刷图就保存好了,导入到排版设计软件环境中不会发生像素丢失,条码等级达到A级是可以保证的。注意:在Label mx程序里设置好尺寸,不要在其他软件里把条码图拉大拉小拉变形。

以下是部分客户反馈的条码检测等级图。

Label mx 条码软件适用于各种品牌的检测仪,检测可以过4A级,达到欧美出口标准:

QC800,QC850(美国霍尼韦尔产品);

REA CHECK ER(德国 );

东方捷码(国产常用型号:JY-3C);

RJS条形码检测仪(美国,主要型号:D4000、D4000+、L1000、I3000、SV-100);

LVS-9510, LVS-9570, LVS-9580 及 LVS-9580DPM等产品。

相关文章
|
6天前
|
文字识别 API 数据安全/隐私保护
可以使用阿里云文字识别服务中的个人证照识别功能。
可以使用阿里云文字识别服务中的个人证照识别功能。【1月更文挑战第21天】【1月更文挑战第102篇】
22 1
|
5天前
|
文字识别
印刷文字识别产品使用合集之证件扫描的置信度字段,这个有什么用
印刷文字识别(Optical Character Recognition, OCR)技术能够将图片、扫描文档或 PDF 中的印刷文字转化为可编辑和可搜索的数据。这项技术广泛应用于多个领域,以提高工作效率、促进信息数字化。以下是一些印刷文字识别产品使用的典型场景合集。
7 0
|
6天前
|
文字识别 API 数据安全/隐私保护
以使用阿里云文字识别服务中的个人证照识别功能
以使用阿里云文字识别服务中的个人证照识别功能【1月更文挑战第24天】【1月更文挑战第118篇】
96 2
|
6天前
|
算法 开发工具 计算机视觉
条形码识别研究
条形码识别研究
|
7月前
|
编解码
【电子量产工具】3.文字系统
【电子量产工具】3.文字系统
28 0
|
11月前
|
编解码 算法
打印【A级条码】的方法
条码的检测等级是条码能否被识别扫描的关键,条码的等级分为“A B C D F”五个等级,A级是最高级别,一些出口欧美的标签上的条码都要求达到A级,主要是保证条码的扫描识别率。
87 0
打印【A级条码】的方法
|
12月前
|
文字识别 UED
身份证OCR接口:提高录入效率+识别信息造假
现在的身份证登记多采用人工录入方式,这样做不仅费时而且效率很低。如何利用新兴的身份证OCR接口证件识别技术,快速、高效、完整地录入证件信息,并对其进行相应的管控与核验,已成为许多信息系统亟待解决的问题。
113 0
|
人工智能 缓存 文字识别
身份证识别系统销量(一)|学习笔记
快速学习身份证识别系统销量(一)
113 0
身份证识别系统销量(一)|学习笔记
|
缓存 人工智能 文字识别
身份证识别系统销量(二)|学习笔记
快速学习身份证识别系统销量(二)
56 0
|
存储 计算机视觉 大数据
2 车型识别的探索和实践
目标检测是计算机视觉和数字图像处理的一个热门方向,广泛应用于机器人导航、智能视频监控、工业检测、视频结构化等领域等诸多领域,通过计算机视觉减少对人力资本的消耗,具有重要的现实意义。例如在监控安防领域,我们可以通过对行人和车辆进行目标检测、识别,对目标结构化,再将结构化后的语义存储起来,实现文字和视频的映射,能够在警察办案时提供快速查询视频的能力。而在工业场景下,目标检测可以对产品进行缺陷检测,在自动化流水线上设置高清摄像头,对工业产品的缺陷特征建模后,摄像头采集产品的图片,目标检测模型就能定位产品上的缺陷,从而提高产品质检的效率,提高收益。由于深度学习的广泛运用,目标检测算法得到了较为快速的发
684 0