automatica 2023

Marie Saverino,

Künstliche Intelligenz in der industriellen Bildverarbeitung

Neueste Fortschritte in der KI-basierten Bildanalyse machen die industrielle Bildverarbeitung für Unternehmen jeder Größe zugänglich, auch ohne technische Erfahrung oder Programmierkenntnisse. Dadurch wird der Zeitaufwand für die Einrichtung von Prüfanwendungen reduziert und die Effizienz der Produktionslinien gesteigert.

© Cognex

Modernste intelligente Bildverarbeitung macht nicht nur die Implementierung und Nutzung von Bildverarbeitungs- und Barcode-Scansystemen einfacher als je zuvor, sondern verbessert auch die Qualitätskontrolle, optimiert den Material- und Energieverbrauch und erhöht die Rückverfolgbarkeit und Produktivität.

Ein Bildverarbeitungssystem kann eine Vielzahl von Anwendungen bewältigen: Es kann Fehler an Produkten erkennen, die Endmontage überprüfen, Teile zählen, Maße erfassen und vieles mehr. Im Gegensatz zu manuellen Prüfungen arbeitet Bildverarbeitung 24 Stunden am Tag mit gleichbleibender Leistung und bietet eine höhere Präzision und Geschwindigkeit.

Deep Learning für komplexe Anwendungen

Auf der Grundlage neuronaler Netze bringt Deep Learning Robotern und Maschinen bei, das zu tun, was für den Menschen selbstverständlich ist: aus Beispielen zu lernen. Die Anwendungsfälle für künstliche Intelligenz werden immer vielfältiger, wie die Sprach-, Text- und Gesichtserkennung auf Basis von Deep-Learning-Technologien zeigt.

Edge Computing ergänzt zentralisierte Cloud-basierte Analysen, indem es Rechenleistung direkt an Produktionslinien und Logistikabläufen bereitstellt, um schnell Daten zu sammeln und kontextreiche Erkenntnisse zu gewinnen. © Cognex

In Fertigungsprozessen erweist sich diese Technologie als relevant für Qualitätsprüfungen und andere urteilsbasierte Aufgaben. Deep Learning eignet sich besonders für komplexe Anwendungen wie die Inspektion auf unvorhersehbare kosmetische Abweichungen. Beispielsweise die Erkennung von Defekten wie Kratzern und Dellen auf Teilen, die gedreht, gebürstet oder glänzend sind.

Anzeige

Deep Learning in der Bildverarbeitung ermöglicht es, Anomalien zu erkennen und gleichzeitig natürliche Abweichungen zu tolerieren. Lösungen, die diese Technologie nutzen, können ihre Leistung kontinuierlich verbessern, wenn sie mit Hilfe neuer Texte und Bilder dazulernen.

In manchen Fällen (z. B. bei der qualitativen Interpretation einer komplexen Szene) ist die menschliche Sicht zwar die beste Wahl, aber Deep Learning kann die Herausforderungen einer urteilsbasierten Inspektion effektiver bewältigen als ein menschlicher Prüfer oder die traditionelle industrielle Bildverarbeitung.

Verwendung von KI für kleinere Unternehmen

Während die erfolgreiche Umsetzung von Deep-Learning-basierten Bildverarbeitungsprojekten Planung, Wissen und spezielle Ressourcen erfordert, ist die KI-basierte Bildanalyse durch die neuere Entwicklung einer Technologie namens Edge Learning nun auch kleineren Unternehmen zugänglich. Edge Learning ist ein Unterbereich von Deep Learning, also der künstlichen Intelligenz, der es ermöglicht, Informationen direkt auf dem Gerät zu verarbeiten. Diese Technologie hat viele Vorteile.

Bildverarbeitungssysteme können unter anderem die Vollständigkeit von Waren in der Logistik, in der Pharmaindustrie, in der Elektronikfertigung, bei der Herstellung von Consumer Products oder Lebensmitteln sowie in vielen weiteren Bereichen überprüfen. © Cognex

Sie ist einfach in der Anwendung. Für die Einrichtung und Nutzung einer auf Edge Learning basierenden Bildverarbeitungslösung sind keine speziellen Kenntnisse über industrielle Bildverarbeitung oder künstliche Intelligenz erforderlich. Da die Algorithmen vortrainiert sind, benötigt Edge Learning weniger Zeit und nur fünf bis zehn Bilder, um zu lernen, wie man inakzeptable von akzeptablen Teilen unterscheidet.

Schlüssel zu Industrie 4.0

Die Rückverfolgbarkeit, die vor allem in der Lebensmittel- und Pharmaindustrie durch Vorschriften diktiert wird, gewinnt auch in anderen Sektoren zunehmend an Bedeutung. Sie ermöglicht es, ein Teil, ein Produkt oder eine Verpackung während des gesamten Lebenszyklus zu verfolgen, und ist somit eines der wichtigsten Themen in der gesamten Lieferkette.

Bildverarbeitungs-Tools, die auf Grundlage von KI funktionieren, vereinfachen Anwendungen wie das Lesen von Klarschrift auf herausfordernden Hintergründen. © Cognex

Um die in einem Barcode enthaltenen Informationen zu erfassen, stehen zwei verschiedene Technologien zur Verfügung: laserbasierte und kamerabasierte Barcode-Scanner. Im Gegensatz zu laserbasierten kombinieren kamerabasierte Scanner Visualisierungs- und Bildanalysefunktionen in Echtzeit für jeden Barcode. Sie arbeiten mit fortschrittlichen Dekodieralgorithmen und Beleuchtungsoptionen und sind in der Lage, mehrere 1D- und 2D-Symbologien sowie direkt auf Teilen markierte Codes zu lesen. Sie bewältigen sogar schwierigste Codes auf anspruchsvollen Oberflächen, einschließlich glänzender, reflektierender Oberflächen.

Durch die Kombination dieser Technologie mit Edge-Computing-Plattformen können Unternehmen ihre Rückverfolgbarkeitsprozesse auf die nächste Stufe heben, indem sie zentralisierte, Cloud-basierte Analysen direkt neben den Produktionslinien und Logistikprozessen nutzen. Die von Barcode-Scannern in der gesamten Anlage gesammelten Daten helfen dabei, mögliche Probleme, wie z. B. fehlgelesene Barcodes, zu erkennen und verstehen, um so schnell wie möglich Lösungsmaßnahmen zu ergreifen.

Anzeige

Das könnte Sie auch interessieren

Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Anzeige