Der Einsatz von Künstlicher Intelligenz nimmt derzeit in zahlreichen Anwendungsfeldern stark zu. Auch in der Bildverarbeitung sind die Ergebnisse von Fehleranalysen mit KI-Unterstützung sehr vielversprechend. Anwender stehen jedoch gerade in der Großserienfertigung vor einem Problem: Die Produktionsqualität ist oft so hoch, dass es Wochen dauern kann, bis ausreichend fehlerhafte Teile gefunden werden. Solche Fehlteile sind jedoch für den Lernprozess eines KI-Systems erforderlich, um Bildklassen zu generieren, die die jeweiligen Fehler repräsentieren. Abhilfe schaffen hier KI-Lösungen, die Unregelmäßigkeiten an den produzierten Bauteilen erkennen und geeignete Alarme auslösen, um die fehlerhaften Teile aus dem Prozess auszuschleusen. Hierbei können auch Fehler detektiert werden, die der Anwender im Vorfeld noch gar nicht absehen konnte. Methoden der Künstlichen Intelligenz bieten ungeahnte Möglichkeiten. Dennoch haftet der Technologie noch immer der Ruf an, sehr komplex und nur von Spezialisten beherrschbar zu sein. Aktuelle Fortschritte in der Hardware sowie in der Anwendungssoftware schaffen jedoch neue Optionen, um einfache Systeme zur Anomaliedetektion zu realisieren. Imago Technologies bietet mit dem flexiblen, auf Deep Learning basierenden Bildverarbeitungssystem Vision Cam AI.go ein alltagstaugliches Werkzeug für diesen Zweck an.
Das System wurde vor allem für Endanwender entwickelt, die in den Bereichen Programmierung oder Bildverarbeitung wenig erfahren sind. Die flexible und intelligente Kamera kann dabei in zahlreichen industriellen Anwendungsbereichen eingesetzt werden – sie prüft Qualitätsmerkmale und erkennt Anomalien auf möglichst einfache Weise.
Zahlreiche Einsatzfelder
Ein Beispiel aus der Elektronikfertigung verdeutlicht die Vorgehensweise der Vision Cam AI.go: Leiterplatten werden dort in großen Stückzahlen maschinell mit elektronischen Bauelementen bestückt und anschließend automatisch verlötet. Ausgereifte Bestückungs- und Lötprozesse sorgen hier in der Regel für eine sehr geringe Fehlerquote. Platinen, die als fehlerfrei klassifiziert wurden, erhält das Vision-System zum einlernen. Anschließend kann es Produkte mit Anomalien erkennen und die Ausschleusung aus dem Prozess anstoßen. Ob eine Nacharbeit der abweichenden Komponenten erforderlich oder lohnend ist, entscheiden danach Mitarbeiter.
Bestückte Leiterplatten sind häufig sehr komplex und für Bildverarbeitungssysteme deshalb schwierig zu handhaben. Mit Hilfe der Vision Cam AI.go lassen sie sich jedoch ohne großen Aufwand überprüfen – auch ohne Software, der man erst komplizierte Parameter geben muss. Was benötigt wird, ist eine möglichst diffuse Beleuchtung wie beispielsweise ein LED-Dome. Auch die Auswahl eines passenden C-Mount-Objektivs und eines optionalen Polarisationsfilters, um Reflexionen zu reduzieren, sollte vorgenommen werden. Nach der Montage der Kamera verbindet der Anwender nur noch die digitalen I/Os mit der SPS und das Ethernet mit einem Browser, danach ist das System einsatzbereit. Jeder, der eine Smart-Kamera installiert hat und sie nutzt, kann auch die Vision Cam AI.go problemlos einsetzen.
Im Formfaktor einer Kamera vereint Vision Cam AI.go ein Komplettsystem – bestehend aus einem Kamerasensor mit 5 MPixel Auflösung, einem Multiprozessorsystem und einer einfach zu bedienenden Anwendungssoftware. Das Einlernen fehlerfreier Teile, das bei anderen Systemen häufig in der Cloud ausgeführt wird, findet direkt in der intelligenten Kamera statt. Sie verfügt über genügend Rechenleistung für diesen Prozess und ist für viele Anwendungsfälle auch schnell genug.
Skalierbare Lösung
Muss es noch schneller gehen, so bietet mehr Rechenleistung einen Ausweg. Am Markt erhältlich ist das System mittlerweile mit der GPGPU Nvidia Jetson Orin – im Formfaktor eines Box-PCs, mit deutlich mehr KI-Power und mit Schnittstellen, die für die Bildverarbeitung erforderlich sind. Bis zu 12 ARM-CPU-Kerne sowie 2048 Cuda-Rechenkerne können damit genutzt werden. Die wesentlichen Vorteile solcher Embedded-Rechner gegenüber einer i-Core/GPU-Variante bestehen bei gleicher Leistung im deutlich geringeren Stromverbrauch, wodurch ein lüfterloses Design möglich wird. Die Langzeitverfügbarkeit solcher Architekturen ist für Anwender ein weiteres wichtiges Kriterium und unterscheidet sich von typischen PCIe-GPU-Karten, die sich als kommerzielle Massenware in kurzen Zeitabständen verändern. Da auch Ersatzteile schwierig zu beschaffen sind beim Einsatz von PCIe-GPU-Karten, eignen diese sich nicht für industrielle Anwendungen.
Mit Vision Cam AI.go macht Imago Technologies ein KI-System verfügbar, mit dem Anwender Anomalien in Bildern erkennen können – ohne Vorkenntnisse der industriellen Bildverarbeitung besitzen zu müssen. Werden die technischen Grenzen der Hardware oder der Softwarefunktionalität erreicht, so bietet das Unternehmen skalierbare Lösungen auf Basis anwendungsoptimierter KI-Mathematik an. Diese sind auch für anspruchsvollere Anwendungen geeignet, wenn zum Beispiel die Oberflächen von Bahnwaren geprüft werden sollen.
Hier finden Sie mehr über:
