VERWENDUNG VON MACHINE-VISION-ANALYSEN ZUR PROZESSOPTIMIERUNG

Bildverarbeitungssysteme werden häufig zur Inspektion von Produkten eingesetzt. Bei Verbindung mit Bildverarbeitungskameras In einer Fabrikhalle kann Software visuelle Anomalien wie Risse in einem Rohr oder Tabletten oder Medikamente mit der falschen Farbe erkennen. Manche Software kann auch Prozesse überwachen und Muster erkennen, die zu Fehlern, Ineffizienzen und Mängeln führen. Wenn ein Hersteller die Grundursache eines Problems identifizieren kann, kann er daran arbeiten, das Problem durch Anpassung des Prozesses zu beheben.

Bei einer Bildverarbeitungslösung empfängt ein Computer visuelle Eingaben von Kameras und eine Software analysiert, was er sieht. Mithilfe regelbasierter Algorithmen oder KI-gestützter Software kann das System dann auf die Informationen reagieren – mit oder ohne menschliches Eingreifen. In der Fertigung gibt es für die maschinelle Bildverarbeitung viele potenzielle Anwendungen, von Qualitätskontrollinspektionen bis hin zur Sicherheitsüberwachung.

Feige 1: Bildverarbeitungssysteme können Abläufe in Bereichen wie der Leiterplattenmontage überwachen und so zur Optimierung des Prozesses beitragen.

Auch maschinelles Sehen kann eingesetzt werden, um Prozesse zu optimieren und die Ressourcennutzung zu maximieren. Beispielsweise erfassen Kameras Bilder von verpackten Waren, etwa Lotionsflaschen in einer Fabrik zur Herstellung von Konsumgütern, und senden sie an eine Software, die Unregelmäßigkeiten wie beschädigte Sicherheitssiegel oder fehlende Etiketten erkennt.

Mit Bildverarbeitungssoftware können Maschinen analysieren und Entscheidungen treffen, ohne dass eine ständige menschliche Aufsicht erforderlich ist. Solche Lösungen funktionieren jedoch nur dann gut, wenn die Modelle anhand hochwertiger Daten trainiert werden, was bedeutet, dass qualitativ hochwertige Bilder erstellt werden. „Müll rein, Müll raus“ ist hier ein treffender Ausdruck. Unabhängig davon, ob das System auf diskreten, regelbasierten Algorithmen oder maschinellem Lernen basiert, sorgen qualitativ hochwertige Bilder für den Erfolg. Emergents Linie von 10GigE, 25GigE und 100GigE Bildverarbeitungskameras Übergeben Bildgebung ohne Datenverlust Fähigkeiten und kann mit bereitgestellt werden GPUDirect Technologie, die die Übertragung von Bildern direkt in den GPU-Speicher ermöglicht. GPUDirect bietet keine CPU-Auslastung und kein Speicherbandbreiten-Image und kann über die eCapture Pro-Software von Emergent genutzt werden.

Feige 2: Das Hinzufügen von Bildverarbeitungskameras zu Robotern erhöht die Flexibilität erheblich und ermöglicht es dem System, nicht nur einen Prozess wie die Montage von Solarmodulen zu überwachen, sondern den Roboter auch für präzise Bewegungen zu steuern.

Während eine Bildverarbeitungslösung einen Prozess überwacht, beispielsweise eine Fabrikmontagelinie, sammelt sie große Datenmengen, die verwendet werden können, um eine Basislinie für das zu erstellen, was normalerweise während dieses Prozesses geschieht. Die Software nutzt Intelligenz, um die Effizienz zu steigern und Anomalien zu reduzieren. Einige Beispiele sind:

• Beseitigung fehlerhafter Rohstoffe Bildverarbeitungssoftware kann visuelle Mängel an Produkten frühzeitig im Herstellungsprozess erkennen. In der Lebensmittelproduktion könnte die Bildverarbeitungslösung beispielsweise Nahinfrarotkameras (NIR) oder Kurzwelleninfrarotkameras (SWIR) nutzen, z Die Flächenkameras von Emergent, um eine hohe Wasserdichte in verdorbenen Produkten zu erkennen.
• Problematische Prozesse erkennen Hersteller können maschinelles Sehen nutzen, um Muster in bestehenden Prozessen zu beobachten und auszuwerten, beispielsweise beim Auftragen von Lack auf die Karosserie eines Autos in einer Automobilfabrik. Während Kameras die Prozesse des Reinigens, Grundierens, Versiegelns und Lackierens erfassen, sammelt und analysiert die Software visuelle Daten, um die Ursachen von Maschinenausfällen und -defekten zu ermitteln. In Verbindung mit anderen angeschlossenen Sensoren kann maschinelles Sehen auch für die vorausschauende Wartung eingesetzt werden – beispielsweise um zu erkennen, wann ein Ausrüstungsteil zu stark vibriert – und Herstellern dabei helfen, Probleme zu beheben, bevor sie zu Ausfallzeiten führen.
• Kontinuierliche Prozessverbesserung Im Laufe der Zeit kann der Algorithmus einer Bildverarbeitungslösung trainiert werden, um Anomalien und Ineffizienzen besser zu erkennen. Software für maschinelles Lernen kann die Nuancen des jeweiligen Prozesses eines Herstellers erlernen und ist so besser gerüstet, um gezielte Anpassungen und Optimierungsvorschläge vorzunehmen.

Eine breite Palette an Bildverarbeitungslösungen auf dem heutigen Markt kann zur Prozessoptimierung genutzt werden. Je nach Anwendungsfall muss eine Vision-Lösung verschiedene Formen analoger und digitaler Signale untersuchen. Die meisten Lösungen fallen in eine der folgenden Kategorien:

2D-Bildverarbeitung (Area Scan Imaging)
Zweidimensionale Bildverarbeitungslösungen sind derzeit die Standardeinstellung für die meisten Bildverarbeitungsanwendungen und nehmen standardmäßige 2D-Bilder von Objekten auf, die sich sehr gut für die Inspektion einzelner Artikel und das Scannen von Barcodes eignen. Flächenkameras verfügen über rechteckige Bildsensoren, die Bilder in einem Bild erfassen, wobei das resultierende Bild der Höhe und Breite des Bildsensors entspricht. Emergent bietet ein Ganzes Ökosystem von Hochgeschwindigkeits-Flächenkameras in ihrer HR 10GigE, Bolzen 25GigE und Zenith 100GigE-Kameras. Zu den Sensoroptionen gehören die neuesten Modelle von Gpixel und der Pregius S-Serie von Sony und reichen von 0.5 MP bis 100 MP+ mit Geschwindigkeiten von bis zu 3462 Bildern pro Sekunde.

2D-Bildverarbeitung (Line-Scan-Bildgebung)
ZeilenkamerasIn der Zwischenzeit wird ein linearer Bildsensor verwendet, um ein Bild pixelweise und mit hoher Geschwindigkeit zeilenweise zu erstellen. In einem Zeilenscan-Bildverarbeitungssystem bewegt sich das zu prüfende Objekt auf einem Förderband oder einem ähnlichen Gerät unter der Kamera, um die gesamte Oberfläche Pixelzeile für Pixel zu erfassen. Emergent bietet mehrere Zeilenkameramodelle in den Formaten 10GigE, 25GigE und 100GigE an, die auf Gpixel-CMOS-Zeilensensoren basieren, vom 4Kx2 GL3504 bis zum 16Kx16 GL5016. Die Leitungsraten reichen von 70 kHz Einzelleitungsrate im 10GigE-Geschwindigkeit LR-16KG35 bis 400KHz im 100GigE Pinnacle LZ-16KG5.

2D-Bildverarbeitung (TDI Line Scan Imaging)
TDI-Zeilenkameras belichten dieselbe Linie auf dem Objekt mehrmals, um entweder höhere Geschwindigkeiten bei gleicher Beleuchtung oder die gleiche Geschwindigkeit bei weniger hellen Beleuchtungsanforderungen zu ermöglichen. TDI (Time Delay Integration) erreicht dies durch die Verwendung mehrerer Zeilen im Sensor, wobei jede Zeile mehrere Male belichtet wird, wobei die Belichtung oder Zeilenrate mithilfe eines Encoders perfekt mit der Bewegung des Förderers synchronisiert wird. Neue Angebote 10GigE, 25GigE und 100GigE TDI-Zeilenkameras Basierend auf dem Gpixel GLT5009BSI-Sensor, dessen Geschwindigkeiten von 121 kHz (10 GigE) bis 608 kHz (100 GigE) reichen.

3D-Maschinelles Sehen
Es gibt verschiedene Methoden zur Erfassung von 3D-Bildern, darunter Stereo-Vision-Systeme, Laserlinientriangulation, Time of Flight und Streifenmusterprojektion. Besonders nützlich ist die 3D-Bildverarbeitung bei der Analyse komplexer Teile oder fertiger Produkte, da das 3D-Bild mit einem digitalen Zwilling verglichen werden kann.

Ultraviolett
Um Materialfehler aufzudecken, die im sichtbaren Spektrum nicht sichtbar sind, verwenden einige Bildverarbeitungslösungen Hochgeschwindigkeits-Ultraviolettkameras. Zu den Anwendungsfällen gehört die Qualitätskontrolle für Kunststoffe, Glas, Halbleiter und LCDs. Emergent bietet mehrere Kameramodelle an, die mit dem 8.1 MP UV Pregius S IMX487 CMOS-Bildsensor von Sony ausgestattet sind, der eine erhöhte Empfindlichkeit im UV-Wellenband von 200 nm bis 400 nm bietet. Dazu gehört die 25GigE Bolzen HB-8000-SB-U und für 10GigE HR-8000-SB-U Kameras.

Spektrale Bildgebung
Multispektrale und hyperspektrale Bildgebungstechniken können Informationen außerhalb des sichtbaren Spektrums erfassen, was sich besonders für Anwendungen wie die Lebensmittelinspektion und die Bildgebung in der Landwirtschaft eignet.

Infrarot
Infrarot-Bildgebung erkennt Hitze und erkennt Defekte in Metallteilen und Objekten, die sonst unbemerkt bleiben würden.

Im Bereich der Fertigung gibt es unzählige potenzielle Einsatzmöglichkeiten für die Prozessoptimierung und kontinuierliche Prozessverbesserung durch Bildverarbeitung. Hier nur einige Beispiele:

Etiketteninspektion
Bei den meisten Konsumgütern müssen Etiketten gedruckt und ordnungsgemäß auf der Verpackung angebracht werden. Maschinelle Bildverarbeitung bietet eine Möglichkeit, viele Elemente der Etiketteninspektion zu automatisieren, von der Erkennung, wenn Etiketten verkehrt herum oder an der falschen Stelle angebracht werden, bis hin zur Sicherstellung, dass das Etikett keine Fehler oder Markierungen aufweist, die es unleserlich machen könnten. Viele Etiketteninspektionslösungen basieren auf der optischen Zeichenerkennung (OCR), der Fähigkeit der Software, Text zu identifizieren und ihn mit vorgegebenen Werten abzugleichen.

Bestandsüberwachung
Bildverarbeitungskameras, die in Lagerhallen montiert oder an Drohnen befestigt sind, können zur Überwachung von Beständen eingesetzt werden, was erhebliche Zeit- und Arbeitsersparnisse ermöglicht. Drohnenbasierte Lösungen bieten das Potenzial für erhebliche Kosten- und Arbeitseinsparungen und können in das bestehende Lagerverwaltungssystem (WMS) eines Unternehmens integriert werden, um menschlichen Entscheidungsträgern direkte Informationen und Empfehlungen bereitzustellen.

Wartung der Ausrüstung
Bildverarbeitung kann effektiv zur Geräteüberwachung und -wartung eingesetzt werden. Beispielsweise erfassen Kameras Bilder von Fabrikanlagen, sodass Software selbst kleine Bewegungen und Vibrationen überwachen kann, die zu einer Fehlausrichtung von Komponenten führen können. Mithilfe der Visualisierungen können Manager dann Fehlbewegungen identifizieren und messen sowie fehlerhafte Geräte diagnostizieren.

Beginnen Sie bei der Bewertung von Bildverarbeitungskameras zur Prozessoptimierung mit dem beabsichtigten Anwendungsfall, um die Anforderungen an Auflösung, Geschwindigkeit und Interoperabilität mit vorhandener Ausrüstung, wie z. B. SPS, zu ermitteln.

Dies sind einige wichtige Überlegungen:

EM-Strahlungsempfindlichkeit
Die Kameras reichen von monochromatisch über Vollfarben bis hin zu Infrarot und Ultraviolett. Je nach Anwendungsfall und Art der Daten kommen unterschiedliche Kameras zum Einsatz.

Auflösung
Verfügbar in einem Bereich von 0.5 MP bis 8KX16. Die Anforderungen an die Kameraauflösung hängen davon ab, wie detailliert die Inspektion für den jeweiligen Anwendungsfall sein muss. Das minimale Sichtfeld (FOV) und die Merkmalsgröße wirken sich beide auf die Auswahl der Kameraauflösung und der Objektivauswahl aus. Beispielsweise erfordert die Inspektion von Mikrochips ein Kameraobjektiv mit einem viel kleineren Sichtfeld als bei der Inspektion von Autokarosserien in einem Automobilwerk.

Bilder pro Sekunde (FPS)
Bei Bildern pro Sekunde kommt es vor allem auf die Geschwindigkeit an. Für eine Bildverarbeitungslösung, die ein Förderband überwacht, das viele Artikel pro Sekunde verarbeitet, muss der FPS sehr hoch sein. Für andere Anwendungsfälle, beispielsweise die Maschinenwartung, sind möglicherweise keine Hochgeschwindigkeitskameras erforderlich.

Schnittstelle
Interoperabilität kann für Hersteller, die maschinelle Bildverarbeitung implementieren, eine Herausforderung darstellen, da manche Software nur mit bestimmten Kameramarken und -modellen funktioniert. Hersteller sollten nach Kameras suchen, die mit der vorgesehenen Software und der vorhandenen Fabrikinfrastruktur, wie z. B. SPSen, kompatibel sind.

Pixel Größe
Pixel sind die lichteinfangenden Elemente, aus denen jeder Sensor besteht. Die meisten Bildverarbeitungskameras haben Pixel im Bereich von 1.85 μm bis 9 μm, wobei die größeren Pixelgrößen ein besseres Signal-Rausch-Verhältnis und eine bessere Sättigung bieten.

Neue Hebelwirkungen GigE-Vision und die allgegenwärtige Ethernet-Infrastruktur für zuverlässige und robuste Datenerfassung und -übertragung mit erstklassiger Leistung, anstatt proprietäre oder Punkt-zu-Punkt-Schnittstellen und Bilderfassungskarten zu verwenden. Emergent setzt eine optimierte GigE Vision-Implementierung mit Unterstützung für Direktübertragungstechnologien wie NVIDIAs GPUDirect ein, die die Übertragung von Bildern direkt in den GPU-Speicher ermöglicht. Anstatt die CPU und den Speicher des Systems zu belasten oder große Datenübertragungen vorzunehmen, ermöglicht die GPUDirect-Technologie der GPU, Datenverarbeitungsaufgaben zu übernehmen und gleichzeitig die Kompatibilität mit dem GigE Vision-Standard und die Interoperabilität mit kompatibler Software und Peripheriegeräten aufrechtzuerhalten.

Abhängig von der Art der Prozesse und Materialien, die beobachtet werden müssen, können die Anforderungen an die Kamera variieren. Emergent Vision Technologies bietet eine umfangreiche Palette an Kameraoptionen für unterschiedliche Bildgebungsanforderungen.

Weitere Kameraoptionen finden Sie in unserem interaktives Systemdesigner-Tool.