Was sind die wichtigsten Arten von Bildverarbeitungssystemen?
Bildverarbeitungssysteme bieten zwar eine breite Palette von Funktionen und Optionen, aber es gibt drei Hauptkategorien, die Sie beachten sollten.
Zeilenkameras werden in der kontinuierlichen Prüfung eingesetzt, z. B. bei der Bahnherstellung. Sie nehmen ein breites, aber sehr dünnes Bild auf, typischerweise wenn sich Material am Scanbereich vorbeibewegt, und verwenden Software, um das Bild Zeile für Zeile zu rekonstruieren. Sie sind bei diesen Anwendungen deutlich schneller als herkömmliche 2D-Kameras. Beispiele sind die Prüfung von Stoffen, Papier und anderen weichen Waren.
Die meisten Bildverarbeitungssysteme verwenden 2D-Kameras, die auch als Flächenscan-Systeme bezeichnet werden. Dabei kann es sich um einfache Einzwecksensoren oder um Systeme mit mehr Funktionen handeln. Sensoren sind preiswerter, kleiner, einfacher zu installieren und oft robuster als Kameras mit einem breiteren Funktionsumfang. Im Allgemeinen sind Systeme mit vollem Funktionsumfang besser konfigurierbar, führen kompliziertere Aufgaben aus und können größere und höher aufgelöste Bilder aufnehmen. Die Entscheidung zwischen Sensoren und komplexeren Bildverarbeitungssystemen hängt von der zu erfüllenden Aufgabe, dem Format der Datenausgabe, den Kosten und der Benutzerfreundlichkeit ab.
3D-Vision-Systeme fügen ihren Bildern Tiefe hinzu, manchmal mithilfe von Lasern, um Entfernungen zu messen und die Tiefe zu berechnen. Das Hinzufügen von Tiefe kann die Komplexität und die Kosten bis zu einem gewissen Grad erhöhen, aber diese zusätzlichen Informationen sind für einige Anwendungen entscheidend. Zum Beispiel ist 3D-Vision unerlässlich, um einen Roboterarm so zu führen, dass er ein Objekt in der richtigen Ausrichtung greifen kann, egal wo im Raum es sich befindet. 3D-Vision wird auch eingesetzt, um schwierige Schneid- und Schweißprozesse zu automatisieren.
Was macht die industrielle Bildverarbeitung?
Anbieter von Bildverarbeitung klassifizieren die Funktionen ihrer Systeme manchmal mit dem Akronym GIGI, das für Guidance, Identification, Gauging und Inspection steht. In diesem Leitfaden werden die verschiedenen Arten von Anwendungen etwas detaillierter aufgeschlüsselt:
- Defekt-Erkennung
- Erkennen und Zählen von Objekten
- Messen/Verwiegen
- Lokalisierung/Führung/Positionierung
- Barcode lesen
- OCR (optische Zeichenerkennung)/OCV (optische Zeichenüberprüfung)
Defekt-Erkennung
Fehler können in jedem Teil eines Herstellungsprozesses auftreten, von Problemen mit der Qualität von Rohstoffen oder Teilen bis hin zur Endkontrolle. Die Prüfungen zur Erkennung von Fehlern wurden bisher manuell von geschulten Mitarbeitern durchgeführt.
Die maschinelle Bildverarbeitung stellt eine erhebliche Verbesserung gegenüber der menschlichen Prüfung dar: Sie arbeitet in der Geschwindigkeit der Herstellungslinie, ermüdet nicht, kann selbst kleine und unerwartete Fehler erkennen und speichert Informationen zur kontinuierlichen Verbesserung des Betriebs.
Beispiele:
Suche nach losen Steckern, schlecht gelöteten Drähten, schlechten Nähten oder unsachgemäß gecrimpten Schläuchen.
Erkennen von fehlerhaften Photovoltaik-Zellen in Solarmodulen oder Defekten in Halbleiter-Wafern oder EV-Batterie-Baugruppen.
Auffinden von Verunreinigungen oder anderen Problemen in Lebensmitteln.
Erkennen und Zählen von Objekten
Die Feststellung der An- oder Abwesenheit und das Zählen von Objekten ist eine weit verbreitete Funktion im Bestandsmanagement, an Herstellungslinien und vor der Freigabe oder Annahme von Sendungen. Sowohl die manuelle Prüfung als auch die mechanische Zählung sind langsam und fehleranfällig, verglichen mit schnellen und gleichbleibend genauen Bildverarbeitungssystemen.
Beispiele:
Bestätigen Sie das Vorhandensein aller elektronischen Komponenten auf einer Leiterplatte.
Verifizieren Sie das Vorhandensein von Komponenten wie Clips, Schrauben, Federn, Etiketten, Dichtungen, Handbüchern, Beilagen oder Zubehör.
Zählen von Produkten in einem Paket oder auf einer Palette.
Messen & Abgleichen
Präzise Herstellung erfordert genaue Messungen von Abständen, Flächen, Durchmessern und mehr. Die manuelle Messung mit Lehren, Messschiebern oder Prüfvorrichtungen ist langsam und führt zu Inkonsistenzen.
Die industrielle Bildverarbeitung misst konsistent und präzise bis in den Mikrometerbereich, während die Teile mit hoher Geschwindigkeit auf dem Band laufen. Jedes Bild und die dazugehörigen Daten können für den Fall von Garantie- oder Compliance-Problemen gespeichert werden.
Beispiele:
Erfassen Sie die Abmessungen von Guss- und Spritzgussteilen.
Messen von Rundheit und Winkel von Spitzen an Teilen.
Festlegung von Etikettenpositionen oder Verpackungsgrößen.
Teile lokalisieren, führen und positionieren
Funktionen wie Montage, Pick-and-Place und Prüfung hängen von der Fähigkeit der industriellen Bildverarbeitung ab, ein Teil zu lokalisieren, sei es auf einem Förderband oder in einem Behälter. Die industrielle Bildverarbeitung steuert Roboter bei der Entnahme und Platzierung von Teilen und sorgt für eine genaue Positionierung im Mikrometerbereich bei der Präzisionsmontage.
Wenn sich ein Teil nicht an seinem Platz befindet, misst die Bildverarbeitung den Unterschied zwischen der gewünschten und tatsächlichen Position und Ausrichtung und kommuniziert diese an einen Roboter oder eine speicherprogrammierbare Steuerung (SPS), um das Teil neu auszurichten.
Beispiele:
Auffinden von Teilen auf einem Förderband zur Prüfung.
Führen von Robotern an automatischen Automobil-Fließbändern.
Montage von Mikrochips, die Präzision im Mikrometerbereich erfordern.
Barcode lesen
Barcodes werden zur Nachverfolgung und Identifizierung von Rohstoffen und Fertigwaren in der gesamten Lieferkette verwendet. Dazu gehören 1D- und 2D-Codes, wie z. B. UPC-Codes auf Einzelhandelsprodukten und Data-Matrix-Codes auf Verpackungen.
Barcode-Lesegeräte verarbeiten Informationen mit hoher Geschwindigkeit und lesen auch Codes korrekt, die teilweise zerrissen, undeutlich, verschmiert oder verzerrt sind. Bildbasierte Barcode-Scanner erfassen Bilder der gelesenen Barcodes und ermöglichen so die Analyse von Lesefehlern oder falsch gelesenen Barcodes, um Probleme zu diagnostizieren, z. B. einen verstopften Druckkopf, beschädigte Codes oder unzureichende Beleuchtung. Mehrere Kamerasysteme können von mehreren Seiten eines Teils oder einer Verpackung gleichzeitig scannen, um die Leserate zu erhöhen, wenn nicht alle Codes in die gleiche Richtung ausgerichtet sind.
Beispiele:
Nachverfolgung von Paketen auf ihrem Weg durch ein Logistiklager.
Sicherstellen, dass die richtigen Komponenten montiert werden.
Genaue Rückverfolgbarkeit von medizinischem Material.
Text lesen: OCR (optische Zeichenerkennung) und OCV (optische Zeichenüberprüfung)
Barcodes sind in der modernen Industrie allgegenwärtig, aber für Menschen lesbarer gedruckter Text ist nach wie vor unverzichtbar, insbesondere im Einzelhandel, in der Herstellung, in der Pharmazie sowie in der Lebensmittel- und Getränkelieferkette, um Haltbarkeitsdaten, Losnummern und andere wichtige Informationen zu identifizieren. Damit dieser Text in der modernen Hochgeschwindigkeitsverarbeitung nützlich ist, muss er zuverlässig von Maschinen gelesen werden können. Bildverarbeitungssysteme können diese Codes innerhalb von Millisekunden mit einer Genauigkeit von 99,99 % lesen.
Optische Zeichenerkennung (OCR) und optische Zeichenverifizierung (OCV) identifizieren und interpretieren beide Text in Bildern, mit einem entscheidenden Unterschied. OCR liest Text, um eine andere Aktion auszulösen, während OCV (optische Zeichenverifizierung) verwendet wird, um die Qualität des Textes anhand eines bekannten Standards zu verifizieren.
Beispiele:
Klassifizierung eines Teils auf der Grundlage der aufgedruckten Zeichen (OCR).
Prüfen Sie, ob ein Mindesthaltbarkeitsdatum oder eine Chargennummer korrekt gedruckt ist (OCV).
Unterscheidung von echten und gefälschten Produkten (OCR).
Einrichtung der Rückverfolgbarkeit zur Erfüllung regulatorischer Anforderungen (OCR).
Weiterlesen: Regelbasierte vs. KI-gestützte Bildverarbeitung
Regelbasierte Systeme folgen benutzerprogrammierten, schrittweisen Anweisungen, um Bilder zu interpretieren und Entscheidungen zu treffen. Im Gegensatz dazu verwenden künstliche Intelligenz oder KI-gestützte Systeme eine Datenbank mit Referenzbildern, um zu „lernen“, wie sie Entscheidungen treffen können.