Stetig steigende Inspektionsgeschwindigkeiten, 3D-Imaging, der Einsatz im nicht-sichtbaren Spektrum: Dies sind nur einige Beispiele für den technischen Fortschritt in der industriellen Bildverarbeitung. Auch die Kombination verschiedener Beleuchtungstechniken, die Integration von Deep Learning und Machine Learning sowie die zunehmende Verwendung von Bildverarbeitung in der Robotik und Embedded Vision zeigen, wie vielfältig sich die Technik entwickelt. Doch Industrie 4.0, das Internet der Dinge (IoT), Cloud Computing sowie der breite Einsatz von künstlicher Intelligenz, maschinelles Lernen und viele andere Technologien stellen Anwender und Entwickler von Bildverarbeitungssystemen vor große Herausforderungen bei der Auswahl des für ihre Applikation am besten geeigneten Systems. Dennoch wird Bildverarbeitung nicht nur in hochautomatisierten Prozessen eingesetzt, sondern auch in manuellen Montageprozessen. In diesem Beitrag betrachten wir vier Integrationsstufen, um industrielle Bildverarbeitung einzubinden.

Unterstützung manueller Montageprozesse

ANZEIGE

In der ersten Stufe geht es darum, manuelle Montageprozesse zu unterstützen. In der Herstellung gibt es eine große Anzahl von Produkten, die eine manuelle Montage erfordern. Dabei kommt es vorwiegend auf die Kompetenz des Anwenders an, jeden Arbeitsschritt richtig auszuführen. Meist übernimmt ein anderer Mitarbeiter es, im Rahmen der Qualitätssicherung das Produkt visuell zu überprüfen.

Für fehlerhafte Produkte oder Komponenten ergeben sich zwei Konsequenzen: Entweder werden sie bereits bei der Qualitätskontrolle identifiziert und ausgeschleust oder sie gelangen zum Endkunden und werden mit großer Wahrscheinlichkeit als Mangelware zurückgegeben. Wird das Produkt nicht nachgebessert, bedeutet das in beiden Fällen unnötigen Ausschuss und schadet möglicherweise dem guten Ruf des Herstellers. Selbst wenn das ausgeschleuste Teil nachgebessert werden kann, entstehen dem Hersteller zusätzliche Kosten.

Der Einsatz eines Bildverarbeitungssystems zur Inspektion reduziert die Wahrscheinlichkeit signifikant, dass der Kunde ein fehlerhaftes Produkt erhält, was der Reputation des Herstellers zugutekommt. Allerdings lassen sich damit die Kosten für die Nachbearbeitung nicht senken.

ANZEIGE

Dieses Problem kann nur eine Methode lösen, mit der Fehler bereits bei der Herstellung vermieden werden: Mithilfe einer »HumanAssistance«-Kamera befolgt der Anwender eine Reihe von Montageanweisungen, die in die Kamera geladen und auf einem Monitor angezeigt werden. Nach jedem Arbeitsschritt vergleicht das System das Ergebnis mit einer gespeicherten Vorlage, um sicherzustellen, dass alles korrekt und vollständig ausgeführt wurde, bevor zum nächsten Schritt übergegangen werden kann. Jeder abgeschlossene Schritt wird verifiziert und aufgezeichnet, womit sich das System auch für Analysen von Montageprozessen und zur Rückverfolgung einsetzen lässt.

Integration des manuellen Montageprozesses

Die soeben beschriebene Methode ist effektiv, um die korrekte manuelle Montage eines Produkts zu gewährleisten, stellt aber im Wesentlichen ein eigenständiges System dar. Hier kann man einen Schritt weitergehen und den manuellen Montageprozess in das gesamte Steuerungssystem der Anlage integrieren. Dies ermöglicht ein ausgeklügelteres Bildverarbeitungssystem, um die manuelle Montage mit einer größeren Auswahl an Mess- und Inspektionswerkzeugen zu unterstützen und mit einer Funktion eventuelle Montagefehler auf einem Monitor anzuzeigen. Montageanleitungen und Fertigungsdaten können dann bei Bedarf aus einer zentralen Datenbank in das System geladen werden. Mit diesem Ansatz ließen sich auch verschiedene Sicherheitsvorkehrungen treffen, zum Beispiel das Verknüpfen einer Operator-ID mit der Ausbildungskompetenz, sodass das System überprüfen kann, ob ein Mitarbeiter, der sich für einen bestimmten Montageschritt anmeldet, für dieses Produkt geschult wurde.

Ebenso könnten alle Inspektionsdaten einschließlich der Bilder in die Datenbank zurückübertragen werden, um einen vollständigen Audit-Trail für jedes montierte Bauteil zu erstellen. Außerdem erlauben innovative Bildverarbeitungswerkzeuge ein einfaches Anpassen der Systemanforderungen, beispielsweise bei der Einführung neuer Produkte in die Produktion.

Automatisierte Inspektion

Die dritte Stufe ist dann die automatisierte Inspektion. Automatisierte Inspektionssysteme zur Qualitätskontrolle kommen in den unterschiedlichsten Branchen und Prozessen zum Einsatz. Auch wenn sich die Konfigurationen stark unterscheiden, haben doch alle Bildverarbeitungssysteme eines gemeinsam: Sie sind in einem Prüfprozess integriert und mit einem Ausschleusemechanismus verbunden. Produkte oder Komponenten werden oft mit hohen Geschwindigkeiten geprüft und auf der Grundlage der durchgeführten Messungen als Gut- oder Schlechtteil klassifiziert.

»Human Assistance«- Kamerasysteme eignen sich auch für Analysen von Montageprozessen.

Die verschiedenen Bildverarbeitungssysteme reichen von einer eigenständigen intelligenten Kamera, bei der die gesamte Verarbeitung und Messung in der Kamera selbst durchgeführt und ein Pass/Fail-Ergebnis an den Ausschleuser zurückgegeben wird, bis hin zu PC-basierten Systemen mit mehreren Kameras und/oder mehreren Prüfstationen.

Der Schlüssel zum Erfolg ist die Fähigkeit, ein Bildverarbeitungssystem unter Berücksichtigung der für das Industrieumfeld spezifischen Anforderungen in einen Prozess zu integrieren. Bildverarbeitungssysteme lassen sich entweder von Anfang an in neue Prozesse integrieren oder auch in bestehende nachrüsten. Mit dem Aufkommen von Embedded-Vision-Systemen werden sie zunehmend auch in OEM-Geräte integriert.

Der Einsatz von automatisierter Bildverarbeitung zur Qualitätskontrolle reduziert die Wahrscheinlichkeit signifikant, dass ein nicht vorschriftsmäßig gefertigtes Produkt den Endverbraucher erreicht. Aber in Verbindung mit statistischen Verfahren zur Prozesskontrolle und Feedback lassen sich damit nicht nur Toleranzwerte überprüfen, sondern auch Trends auf Basis der Messdaten analysieren und Änderungen am Prozess vornehmen.

Prozesssteuerung mithilfe von Bildverarbeitung

Hier greift also die vierte Stufe, die Prozesssteuerung mithilfe der Bildverarbeitung. Auf diese Weise können Maßnahmen ergriffen werden, um den Fertigungsprozess anzupassen, bevor ein Produkt außerhalb der festgelegten Toleranzwerte hergestellt wird. Hier folgt der logische Schritt in die Industrie 4.0, wo Prozesse mithilfe von Big Data optimiert werden sollen, basierend auf dem Feedback der verschiedenen Sensoren, die den Prozess überwachen. Dazu gehören Standardsensoren ebenso wie intelligente Vision-Sensoren sowie hochkomplexe Bildverarbeitungssysteme und -subsysteme.

Vielzahl an Möglichkeiten

Die vier beschriebenen Stufen geben nur einen groben Überblick darüber, wie Bildverarbeitungssysteme eingesetzt werden können. Ihre Fähigkeiten bieten ein weitaus größeres Spektrum an Anwendungsmöglichkeiten. Die Applikationen reichen von der Messdatenerfassung während der Herstellung über die Integritätsprüfung von Verpackungen bis hin zum Lesen und Verifizieren von Druckerzeugnissen, Barcodes und Etiketten.

Die Vermessungsaufgaben lassen sich in drei Kategorien unterteilen: 1D, 2D und 3D. Die 1D-Vermessung wird hauptsächlich verwendet, um Positionen, Abstände oder Winkel von Kanten zu erhalten. Die 2D-Vermessung bietet eine Vielzahl von Messungen wie Fläche, Form, Umfang, Schwerpunkt, die Qualität des Oberflächenbildes, kantenbasierte Messungen sowie das Vorhandensein und die genaue Position von Merkmalen. Der Musterabgleich eines Objekts mit einer Vorlage ist ebenfalls ein wichtiger Bestandteil der 2D-Werkzeuge. Das Lesen und Überprüfen von Zeichen und Text sowie das Decodieren von 1D- oder 2D-Codes stellen weitere wichtige Aufgaben dar.

3D-Messmethoden liefern zusätzliche Höheninformationen und ermöglichen das Messen von Volumen, Form und Oberflächenqualität wie Vertiefungen, von Kratzern und Dellen sowie die 3D-Formerkennung. Endlosmaterial in Form von Bahn- oder Plattenwaren, zum Beispiel Papier, Textilien, Folien, Kunststoffe, Metalle, Glas oder Beschichtungen, werden im Allgemeinen mit Zeilenkamerasystemen auf Fehler geprüft.

Die Bildverarbeitung spielt zudem eine wichtige Rolle bei der End-of-Line-Inspektion, wo sie Unique Identifiers (UIDs) in Form von 1D- oder 2D-Codes, Alphanumerik oder sogar Brailleschrift für Track-and-Trace-Anwendungen in den unterschiedlichsten Branchen wie Luft- und Raumfahrt, Automobil, Lebensmittel und Pharmazie lesen kann. Menschenlesbare Daten auf Verpackungen wie Chargennummern, Mindesthaltbarkeits- oder Verfallsdaten sind auch für Produkte wie Lebensmittel und medizinische Erzeugnisse sowie Kosmetika unverzichtbar.

Auch in Roboteranwendungen wird das maschinelle Sehen immer wichtiger. Industrieroboter werden in der Fertigung bereits umfassend eingesetzt. Mit dem Aufkommen kollaborierender Roboter, sogenannter Cobots, und der rasanten Entwicklung der 3D-Bildverarbeitung werden sie insbesondere für die kamerageführte Robotik oder den »Griff in die Kiste«, Stichwort Bin picking, viel häufiger in Kombination eingesetzt. Das Bildverarbeitungssystem identifiziert die genaue Position des Objekts und gibt die Koordinaten an den Roboter weiter. Durch die Fortschritte in der Roboter-Maschine-Schnittstellentechnologie wird dieser Prozess erleichtert.

Know-how für eine zuverlässige Lösung

Bildverarbeitungstechnologie umfasst alle Komponenten eines Visionsystems wie Kameras, Objektive, Optiken, Frame Grabber, Computer, Software, Kabel und so weiter. Wesentlich dabei ist das Know-how, die am besten geeigneten Komponenten auszuwählen, um eine zuverlässige Anwendungslösung zu realisieren.

Als ein Anbieter von Bildverarbeitungstechnologie bietet Stemmer Imaging seinen Kunden innovative Bildverarbeitungsprodukte, umfassendes Fachwissen und langjährige Erfahrung. Auf diese Weise können maßgeschneiderte Lösungen geliefert werden – von konfigurierten Komponenten bis hin zu vertikalen Subsystemen für Systemintegratoren oder dem Realisieren von kundenspezifischen Lösungen für OEMs. Dies wird immer wichtiger, wenn es um das Entwickeln von Bildverarbeitungssystemen geht, die in andere Anlagen und Fertigungsprozesse integriert sind.

Viele der führenden Bildverarbeitungsbibliotheken und Toolkits können nun auf kleine Embedded-Bildverarbeitungsboards portiert werden, die in der Regel auf ARM-Architektur basieren und kosteneffizienter für Anwendungen mit höheren Stückzahlen sind. Die Kombination dieser Verarbeitungsmöglichkeiten mit kostengünstigen Kameras, einschließlich Platinenkameras, ermöglicht die Integration von Bildverarbeitungssystemen in eine Vielzahl von Produkten und Prozessen mit vergleichsweise geringen Kosten, die bisher nicht realisierbar waren.

Darüber hinaus eröffnet die Verwendung von Deep-Learning- und maschinellen Lerntechniken in Bildverarbeitungsanwendungen mehr Möglichkeiten für organische Produkte mit variierenden Merkmalen. Zudem können sie auch auf kostengünstigen Embedded-Systemen laufen und ermöglichen somit preiswerte Systeme.