← Zurück zu Inspektion & Vision Systems Kategorie

Machine Vision: Vier Phasen in der Industrie

Laden Sie die Audioversion dieses Editorials herunter

Machine Vision ist eine etablierte Technik in einer Vielzahl von Branchen, die die Qualität und Effizienz in der Fertigungs- und Verarbeitungsbranche verbessert. Die Fähigkeit, zuverlässig und schnell Inspektionen durchzuführen, macht 24 / 7 zu einer unschätzbaren Grundlage für die Qualitätskontrolle.

Die technologischen Fortschritte in der Bildverarbeitung sind weiterhin rasant und eröffnen immer mehr Möglichkeiten. Verbesserungen der Sensortechnologie, der Rechenleistung, der Optik, der Beleuchtungstechnologie und der Software tragen zur Leistungssteigerung im traditionellen Bildverarbeitungssektor bei.

Von Mark Williamson, Geschäftsführer von STEMMER IMAGING

Mark Williamson

Mark Williamson, Geschäftsführer von STEMMER IMAGING

Die Anwendung von Deep-Learning- und Machine-Learning-Methoden beginnt, komplexe Herausforderungen der Bildklassifizierung zu transformieren. Vereinfachte 3D-Vision-Robot-Schnittstellen ermöglichen leistungsstarke 3D-Robot-Vision-Guidance für die Qualitätskontrolle und die automatisierte Montage mit intelligenter Bestückung.

Die Entwicklung skalierbarer eingebetteter Bildverarbeitungssysteme bietet dem Maschinenbauer, Systemintegrator oder OEM, der Bildverarbeitung als integralen Bestandteil eines Prozesses oder einer Maschine einsetzen möchte, große Flexibilität.

Fortschritt ist unerbittlich und Industry 4.0, das Internet der Dinge (IoT), Cloud Computing sowie der breitere Einsatz von künstlicher Intelligenz, maschinellem Lernen und vielen anderen Technologien stellen Benutzer und Entwickler von Bildverarbeitungssystemen vor große Herausforderungen bei der Auswahl des idealen Systems für ihre jeweilige Anwendung.

Der Einsatz von Machine Vision ist jedoch nicht auf hochautomatisierte Prozesse beschränkt. Es hat auch Anwendungen in Bereichen, in denen ein hohes Maß an manueller Beteiligung besteht. Wir können vier Stadien der Beteiligung an der Bildverarbeitung betrachten.

Stufe 1: Unterstützung der manuellen Montage

Im verarbeitenden Gewerbe gibt es eine große Anzahl von Produkten, die manuell zusammengebaut werden und sich auf die Fähigkeiten des Bedieners verlassen, um „alles richtig zu machen“. Diese Produkte werden im Rahmen des QC-Prozesses häufig von einem anderen Mitarbeiter visuell überprüft.

Für fehlerhafte Produkte / Komponenten, die produziert werden, gibt es zwei Ergebnisse: Sie werden entweder in der QC-Phase identifiziert und zurückgewiesen oder sie gelangen zum Endkunden, wo sie wahrscheinlich als Teilstandard zurückgegeben werden. So oder so, wenn das Produkt nicht überarbeitet werden kann, kann es zu viel Abfall und einer potenziellen Trübung des Rufs des Herstellers kommen.

Auch wenn das beanstandete Bauteil nachbearbeitet werden kann, entstehen dem Hersteller zusätzliche Kosten. Durch die Installation eines Bildverarbeitungssystems zur Übernahme der Inspektion kann die Wahrscheinlichkeit, dass ein fehlerhaftes Produkt einen Kunden erreicht, erheblich verringert werden. Dies ist zwar gut für den Ruf, trägt jedoch nur wenig zur Lösung der Nacharbeitskosten bei.

Bildverarbeitung - Leiterplattenbestückung mit Ricoh SC 10-Kopie des Kamera-Inspektionssystems

Die Lösung besteht darin, Fehler am Herstellungsort zu beseitigen, und ein neuer Sichtansatz wurde eingeführt, um dies zu unterstützen. Hierzu wird eine „Human Assist“ -Kamera verwendet, in die eine Montageanleitung geladen ist. Der Bediener folgt den Anweisungen, die auf einem Monitor angezeigt werden.

Nach jeder Aktion vergleicht das System das Ergebnis mit dem richtigen gespeicherten Bild, um sicherzustellen, dass es korrekt und vollständig ausgeführt wurde, bevor der Bediener mit dem nächsten Schritt fortfahren kann. Wenn eine Aktion unvollständig ist oder wenn ein Fehler gemacht wird, wird dies dem Bediener angezeigt, damit es korrigiert werden kann. Jeder abgeschlossene Schritt kann überprüft und aufgezeichnet werden, um Daten bereitzustellen, die für die Analyse der Montagearbeiten und die Rückverfolgbarkeit verwendet werden können.

Stage 2: Integration eines manuellen Montageprozesses

Der oben beschriebene Ansatz ist sehr effektiv bei der Gewährleistung der korrekten manuellen Montage eines Produkts, ist jedoch im Wesentlichen ein eigenständiges System. Es ist möglich, einen Schritt weiter zu gehen, indem diese Art des manuellen Montageprozesses in das gesamte Steuerungssystem eines Unternehmens integriert wird.

Dies würde die Verwendung eines ausgefeilteren Bildverarbeitungssystems zur Unterstützung der manuellen Montage ermöglichen, das eine größere Auswahl an Mess- und Inspektionswerkzeugen bietet und das gleiche Prinzip anwendet, um etwaige Montagefehler auf dem Anzeigemonitor hervorzuheben. Montageanleitungen und Fertigungsdaten können dann bei Bedarf aus einer zentralen Datenbank in das System heruntergeladen werden.

Dieser Ansatz würde auch die Einführung verschiedener Sicherheitsvorkehrungen ermöglichen, beispielsweise die Verknüpfung einer Bediener-ID mit der Schulungskompetenz, damit das System überprüfen kann, ob ein Bediener, der sich zum Starten einer bestimmten Baugruppe anmeldet, für dieses Produkt geschult wurde. In ähnlicher Weise könnten alle Inspektionsdaten, einschließlich Bilder, zurück in die Datenbank übertragen werden, um einen vollständigen Prüfpfad für jede zusammengebaute Komponente bereitzustellen. Die Verfügbarkeit komplexerer Vision-Tools ermöglicht es dem System auch, neuen Anforderungen gerecht zu werden, wenn neue Produkte in Betrieb genommen werden.

Stufe 3: Automatisierte Bildverarbeitungsinspektion

Automatisierte Inspektionssysteme werden in QC-Anwendungen in einer Vielzahl von Branchen und Prozessen eingesetzt. Obwohl die Konfigurationen sehr unterschiedlich sein können, besteht die Grundvoraussetzung darin, dass das Bildverarbeitungssystem in den Prozess integriert ist und dort mit einem Ausschussmechanismus verbunden ist.

Produkte oder Komponenten werden häufig mit hoher Geschwindigkeit geprüft und auf der Grundlage der durchgeführten Messungen akzeptiert oder abgelehnt. Bildverarbeitungssysteme können von einer in sich geschlossenen Einzelpunkt-Smart-Kamera, bei der die gesamte Verarbeitung und Messung in der Kamera selbst erfolgt und ein Bestehen / Nichtbestehen-Ergebnis an den Zurückweisungsmechanismus zurückgesendet wird, bis zu PC-basierten Systemen, die möglicherweise über Funktionen verfügen, variieren mehrere Kameras und / oder mehrere Inspektionsstationen.

Der Schlüssel zum Erfolg dieses Ansatzes liegt in der Fähigkeit, das Bildverarbeitungssystem unter Berücksichtigung des Platzbedarfs und anderer Umweltaspekte in den Prozess zu integrieren.

Bildverarbeitung - Kommissionierung von Teilen durch einen 3D Vision - Roboter (mit freundlicher Genehmigung von LMI Technologies)

Bildverarbeitungssysteme können in bestehende Prozesse nachgerüstet werden, die von Anfang an neu konzipiert wurden, und werden mit dem Aufkommen eingebetteter Bildverarbeitungssysteme zunehmend in OEM-Geräte integriert.

Stufe 4: Prozesssteuerung mit Machine Vision

Durch die Verwendung von automatisiertem Sehen als QC-Tool wird die Möglichkeit, dass ein Produkt, das außerhalb der Spezifikation liegt, den Endbenutzer erreicht, erheblich verringert. In Verbindung mit statistischen Prozesskontroll- und Rückmeldungsmethoden können jedoch nicht nur kritische Messungen überprüft, sondern auch Trends analysiert werden diese Messungen und Änderungen am Prozess vornehmen. Auf diese Weise können Eingriffe vorgenommen werden, um den Prozess anzupassen, bevor Produkte hergestellt werden, die außerhalb der Toleranz liegen.

Es gibt daher eine logische Erweiterung auf Industry 4.0, bei der das Ziel darin besteht, den Prozess mithilfe von Big-Data-Analysen zu optimieren, die auf dem Feedback vieler verschiedener Arten von Sensoren basieren, die den Prozess überwachen. Dazu gehören natürlich einfache und intelligente Vision-Sensoren sowie anspruchsvollere Vision-Subsysteme oder -Systeme.

Bewertung der Möglichkeiten

Die oben beschriebenen vier Bildverarbeitungsstufen geben nur einen Überblick über die Art und Weise, in der Bildverarbeitungssysteme eingesetzt werden können, ohne den außergewöhnlichen Fähigkeiten der Bildverarbeitung gerecht zu werden.

Die Anwendungen reichen von der Vermessung von Produkten und Bauteilen während der Herstellung über die Prüfung der Unversehrtheit von Verpackungen bis hin zum Lesen und Überprüfen von Aufdrucken, Barcodes und Etiketten. Die Messungen fallen in die 3-Kategorien: 1D, 2D und 3D. 1D-Messungen werden normalerweise verwendet, um die Positionen, Abstände oder Winkel von Kanten zu ermitteln. 2D-Messungen bieten eine Vielzahl von Messungen, einschließlich Fläche, Form, Umfang, Schwerpunkt, Qualität des Oberflächenaussehens, kantenbasierte Messungen sowie Vorhandensein und Position von Merkmalen.

Der Musterabgleich eines Objekts mit einer Vorlage ist ebenfalls ein wichtiger Bestandteil der 2D-Sammlung. Das Lesen und Prüfen von Zeichen und Text sowie das Dekodieren von 1D- oder 2D-Codes ist eine weitere wichtige Aktivität. Mit den 3D-Messmethoden werden Höheninformationen hinzugefügt, mit denen Volumen, Form und Oberflächenqualität wie Eindrücke, Kratzer und Dellen sowie die 3D-Formanpassung gemessen werden können.

Materialien, die in Endlosrollen (Bahn) oder Bogen hergestellt werden, wie Papier, Textilien, Filme, Folien, Kunststoffe, Metalle, Glas oder Beschichtungen, werden im Allgemeinen unter Verwendung von kontinuierlichen Zeilenscansystemen untersucht, um Fehler zu erkennen und zu identifizieren.

Vision spielt eine wichtige Rolle bei der Endkontrolle, da es eindeutige Kennungen in Form von 1D- oder 2D-Codes, alphanumerischen Zeichen oder sogar Blindenschrift für Tracking- und Tracing-Anwendungen in so unterschiedlichen Branchen wie Luft- und Raumfahrt, Automobil, Lebensmittel, Gesundheitswesen und Pharma liest. Vom Menschen lesbare On-Pack-Daten wie Chargennummern, Haltbarkeits- oder Verfallsdaten sind auch für Produkte wie Lebensmittel, Pharmazeutika, Medizinprodukte und Kosmetika von entscheidender Bedeutung.

Omega SRI Etikettenveredelungssystem mit integriertem Etikettenprüfsystem (Courtesy AB Graphic International GmbH)


Machine Vision wird auch in Roboteranwendungen immer wichtiger. Industrieroboter werden bereits in großem Umfang eingesetzt, und mit dem Aufkommen von kollaborativen Robotern und schnellen Entwicklungen in der 3D-Bildverarbeitung werden sie viel häufiger in Kombination eingesetzt, beispielsweise in der visionsgesteuerten Robotik oder beim zufälligen Entnehmen von Behältern.

Das Bildverarbeitungssystem erkennt den genauen Standort des Objekts und überträgt diese Koordinaten an den Roboter. Massive Fortschritte bei den Schnittstellen zwischen Vision und Roboter erleichtern diesen Prozess erheblich.

Es passieren lassen

Machine Vision-Technologie umfasst alle Bestandteile eines Machine Vision-Systems wie Kameras, Optiken, Objektive, Framegrabber, Computer, Software, Kabel usw. Wichtig ist das Fachwissen, um die am besten geeigneten Komponenten auswählen und eine Lösung erstellen zu können für die spezifische Anwendung.

Die Auswahl eines Lieferanten mit umfassenden Kenntnissen und Erfahrungen, der maßgeschneiderte Lösungen anbieten kann, von konfigurierten Komponenten bis zu vertikalen Anwendungssubsystemen für Systemintegratoren oder die Entwicklung kundenspezifischer Lösungen für OEMs, ist ein wichtiger Gesichtspunkt.

Dies wird immer wichtiger, wenn man die Entwicklung von Bildverarbeitungssystemen in Betracht zieht, die in andere Geräte und Herstellungsprozesse eingebettet sind. Viele der führenden Bildverarbeitungsbibliotheken und Toolkits können jetzt auf kleine, eingebettete Prozessorkarten portiert werden, die in der Regel auf der ARM-Architektur basieren und niedrigere Kosten für Anwendungen mit höherem Volumen bieten.

Durch die Kombination dieser Verarbeitungsfunktionen mit kostengünstigen Kameras, einschließlich Kameras auf Platinenebene, können Bildverarbeitungssysteme in eine Vielzahl von Produkten und Prozessen mit vergleichsweise geringen Kosten, die zuvor nicht realisierbar waren, integriert werden.

Darüber hinaus eröffnen sich durch die Nutzung von Deep-Learning- und Machine-Learning-Techniken in Bildverarbeitungsanwendungen mehr Möglichkeiten für organische und unterschiedliche Produkte, die auch auf kostengünstigen eingebetteten Systemen ausgeführt werden können, was äußerst kostengünstige Systeme ermöglicht.

Prozessindustrie Informer

Weitere Nachrichten

Hinterlasse einen Kommentar

Diese Seite verwendet Akismet, um Spam zu reduzieren. Erfahren Sie, wie Ihre Kommentardaten verarbeitet werden.

Via