OCR-Bilderkennung Kamera erkennt Defekte und Mängel mithilfe von Deep Learning

Anbieter zum Thema

Cognex Germany Inc.

Fujitsu Technology Solutions GmbH

QUNIS GmbH

Xpand Solutions GmbH

Eine auf Deep Learning basierte Prüfungs-Software – integriert in eine Industriekamera – verspricht OCR-Bilderkennung, prüft Mängel bei der Montage und ermittelt Defekte. Damit ist das Bildverarbeitungssystem ein geeignetes Werkzeug für die Prüfungs- und Qualitätskontrolle.

Mit den Techniken des Deep Learnings und der Künstlichen Intelligenz (KI) lassen sich Prüfaufgaben in der Fabrikautomatisierung realisieren. Bei einem Bildverarbeitungssystem mit integrierter Künstlicher Intelligenz ist es beispielsweise möglich, das Urteilsvermögen eines menschlichen Sichtprüfers mit der Stabilität und Konsistenz einer automatisierten Prüfungs- und Qualitätskontrolle zu vereinen. Genau darin besteht der wichtigste Vorteil des Bildverarbeitungssystems In-Sight D900 von Cognex.

Hier ist die Deep-Learning-Software In-Sight ViDi von Cognex in eine Industrie-Kamera eingebettet. Durch diese Kombination sind ganz neue Möglichkeiten bei Inline-Prüfungen in Fabriken gegeben. Die Hardware soll sich laut Hersteller ohne PC in die Fertigungslinie installieren lassen. Zu dem hochmodularen IP67-zertifizierten Bildverarbeitungssystem gehören eine vor Ort austauschbare Beleuchtung, Linsen und Filter sowie Abdeckungen, die je nach den individuellen Anwendungsanforderungen kundenspezifisch angepasst werden können.

Deep-Learning-Software

Dank High-Dynamic-Range-Aufnahmen (HDR+) werden gleichmäßig belichtete Bilder erzeugt. Die LED-Anzeige ermöglicht eine ferngesteuerte Pass/Fail-Auswertung und die Prüfergebnisse können lokal auf einer SD-Karte gespeichert werden. Speziell für die Ausführung von Deep-Learning-Anwendungen wurde eine Inferenzmaschine integriert.

Bei der Software punktet die Kamera durch eine leicht bedienbare Spreadsheet-Benutzeroberfläche, welche die Anwendungsentwicklung und Werksintegration vereinfacht. Anwendungstechniker erhalten Zugriff auf die vollständige Suite mit herkömmlichen Bildverarbeitungs-Tools wie PatMax, Kantentastern und Messwerkzeugen.

Mit der Die Deep-Learning-Software verfügt die D900 zusätzlich noch über drei Deep-Learning-Tools, die alle für spezifische und breitgefächerte Anwendungen konzipiert wurden: ViDi Read, ViDi Check und ViDi Detec. Die Prüfwerkzeuge basieren auf Deep-Learning-Algorithmen und sollen Anwender in der Fabrikautomation dort unterstützen, wo herkömmliche regelbasierte Bildverarbeitungssystemen zu zeitaufwendig oder zu komplex sind.

Anwender können ohne Programmierung mit den In-Sight Spreadsheet arbeiten und die Anwendungsentwicklung wird vereinfacht. Außerdem lässt sich die Integration in Werksnetze durch eine umfassende Reihe an I/O- und Kommunikationsfunktionen verbessern. Traditionelle regelbasierte Bildverarbeitungs-Tools (wie PatMax Redline) und Deep-Learning-Tools lassen sich in einem Projekt kombinieren, was zu einer schnelleren Bereitstellung führt.

Da In-Sight ViDi viel kleinere Bildsätze und kürzere Trainings- und Validierungszeiten als andere Deep-Learning-Lösungen erfordert, lassen sich entsprechende Anwendungen schnell installieren, trainieren und bereitstellen.

Komplexe Zeichen erkennen

Mit dem Tool In-Sight ViDi Read kann der Anwender schwierige OCR-Aufgaben lösen. Das Modul entziffert deformierte, verzerrte und schlecht gelaserte Codes mithilfe der optischen Zeichenerkennung. Das Tool ist sofort betriebsbereit und verringert dank einer vortrainierten Schriftenbibliothek die Entwicklungszeit. Der Benutzer definiert einfach den gewünschten Bereich und legt die Zeichengröße fest. Wenn neue Zeichen eingeführt werden, kann das robuste Tool erneut entsprechend trainiert werden, um anwendungsspezifische Zeichen zu lesen, die herkömmliche OCR-Tools nicht entziffern können. Im Vergleich zu herkömmlichen Bildverarbeitungssystemen ohne Deep-Learning-Technologie bietet diese Funktion Vorteile.

Das Tool ViDi Check ermöglicht Herstellern eine schnelle und präzise Prüfung von Baugruppen. Das System ist in der Lage, komplexe Funktionen und Objekte zu erkennen. Es prüft anhand der Lokalisierung der Teile und Bausätze in einem benutzerdefinierten Layout, ob diese richtig montiert wurden. Es lässt sich so trainieren, dass es eine umfassende Bibliothek der Komponenten erstellt, die selbst dann im Bild lokalisiert werden, wenn sie aus verschiedenen Blickwinkeln angezeigt werden oder in ihrer Größe variieren.

Ein drittes Tool mit der Bezeichnung ViDi Detect wurde für die Analyse komplexer Aufgaben konzipiert, um Defekte zu erkennen. Es lernt von den Bildern mangelfreier Teile und ermittelt aufgrund dessen defekte Teile. In-Sight ViDi Detect eignet sich selbst dann ideal dafür, Anomalien auf komplexen Teilen und Oberflächen zu finden, wenn das Erscheinungsbild der Defekte nicht absehbar ist.

Komplexe OCR-Aufgaben und Defekte aufspüren

Durch die Integration von In-Sight ViDi, der auf Deep Learning basierenden Prüfungs-Software, erhalten Anwender in der Fabrikautomatisierung ein Werkzeug für schwierige und komplexe OCR-Aufgaben, Montageüberprüfungen und um Defekte zu ermitteln, deren Bereitstellung sich mit traditionellen regelbasierten maschinellen Bildverarbeitungswerkzeugen oftmals schwierig gestaltet und die zuverlässige, schnelle und einheitliche Ergebnisse erfordern, die durch eine menschliche Sichtprüfung nicht möglich sind.

Die Kamera für industrielle Anwendungen ermöglicht die optische Zeichenerkennung (OCR), die Montageüberprüfung und die Ermittlung eines Defektes. Es ist davon auszugehen, dass künftig noch weitere Bereiche hinzukommen. Doch bereits mit den genannten drei Funktionen kann das System mit einer höheren Präzision als ein traditionelles Bildverarbeitungssystem verschiedene Aufgaben meistern. Einsatz findet die Kamera beispielsweise in der Automobilbranche, der Unterhaltungselektronik, der Konsumgüterindustrie sowie der Verpackungs-, Lebensmittel- und der Medizingeräteindustrie sowie in der Logistik.

Dieser Artikel stammt von unserem Partnerportal Elektronikpraxis.

(ID:46655013)