Bildverarbeitung & Qualität
Industrielle Bildverarbeitung prüft 100 % der Produktion im Linientakt, wo das menschliche Auge ermüdet. Deep Learning hat ihren Bereich auf variable, schlecht definierte Fehler erweitert. Doch der Erfolg entscheidet sich zuerst an Beleuchtung und Optik, nicht am neuronalen Netz.
Die technischen Bausteine
Oberflächen- & Anwesenheitsprüfung
Kratzer, Flecken, Anwesenheit/Abwesenheit, Code-Lesung und industrielle OCR, dimensionale Messung mit kalibrierter Kamera.
Metrologie & Profil
Strukturiertes Licht, Lasertriangulation, Stereovision und Punktwolken für Form-, Ebenheits- und Volumenkontrolle.
Klassifikation, Segmentierung, Anomalie
Faltungsnetze bewältigen variable Fehler, die regelbasierte Vision nicht beschreiben kann; unüberwachte Erkennung lernt das "Gute" und meldet die Abweichung.
Eingebettete GPU & Echtzeit
Die Inferenz hält den Linientakt (wenige ms) auf eingebetteter GPU oder Smart-Kamera, löst den Auswurf aus und verfolgt jedes Teil.
Beleuchtung zuerst
Die Hälfte des Ergebnisses entscheidet sich vor jedem Algorithmus: gute Beleuchtung hebt den Fehler hervor, ein schlechtes Bild rettet keine Software. Die Wahl der Beleuchtung ist die erste Einstellung einer Vision-Zelle, nicht das neuronale Netz.
| Beleuchtung | Was es zeigt |
|---|---|
| Diffus frontal (Dom) | glänzende oder gewölbte Flächen, ohne störende Reflexe |
| Durchlicht | Silhouette, Maßprüfung, Anwesenheit/Abwesenheit |
| Dunkelfeld (streifend) | Kratzer, Gravuren, Relieffehler |
| Koaxial | flache spiegelnde Flächen, Markierungen |
| Strukturiertes Licht | 3D-Relief, Höhe, Volumen |
| Multispektral / UV-IR | Klebstoff, Verunreinigung, für das Auge unsichtbare Prüfungen |
Regeln oder Deep Learning?
Klassische regelbasierte Vision bleibt unschlagbar für klare Metrologieaufgaben: messen, Code lesen, Anwesenheit prüfen. Deep Learning übernimmt, wenn der Fehler variabel und schwer beschreibbar ist — Textur, Aussehen, kosmetische Anomalie. Beide koexistieren oft in einer Zelle: Regeln zum Messen, Netz für das Aussehen.
| Kriterium | Regelbasierte Vision | Deep Learning |
|---|---|---|
| Aufgabentyp | Messung, Code, Anwesenheit | Aussehen, Textur, Anomalie |
| Benötigte Daten | keine (deterministisch) | gelabelte Bilder oder unüberwacht |
| Erklärbarkeit | vollständig | teilweise (Blackbox) |
| Tolerierte Variabilität | gering (spröde) | hoch (generalisiert) |
| Einrichtungsaufwand | Parametereinstellung | Sammlung + Training + Validierung |
Zu verfolgende Kennzahlen: Auflösung (der kleinste erkennbare Fehler umfasst 3 bis 5 Pixel; Auflösung = Sichtfeld ÷ Sensorpixel), Takt (wenige Millisekunden pro Teil) und das Präzisions-/Recall-Paar, das Fehlausschuss gegen verpasste Fehler je nach Kosten abwägt.
Zentrale Herausforderungen
- Beleuchtung & Optik zuerst — gute Beleuchtung (Dom, streifend, Dunkelfeld, multispektral) löst die Hälfte des Problems vor jedem Algorithmus. Ein schlechtes Bild rettet keine Software.
- Daten & Labeling — echte Fehler sind selten; Augmentierung, synthetische Daten und unüberwachtes Lernen gleichen den Mangel an gelabelten Beispielen aus.
- Fehlausschuss vs. Durchschlüpfer — die Präzisions-/Recall-Einstellung wägt zwischen unnötigem Ausschuss und durchgehendem Fehler ab; der richtige Punkt hängt von den Kosten ab.
- Linienintegration & Rückverfolgbarkeit — Handshake mit der SPS, Auswurf-Auslösung, Zeitstempel und Bildspeicherung für das Qualitätsaudit (oft via OPC UA zum MES).
Normen & Referenzen
- EMVA 1288 — Standard zur objektiven Kamera-Charakterisierung (Rauschen, Empfindlichkeit, Linearität) — um Sensoren vergleichbar zu bewerten.
- VDI/VDE 2632 — Leitlinien der industriellen Bildverarbeitung: Spezifikation, Abnahme und Abnahmeprüfung von Systemen.
- GenICam / GigE Vision — Kamera-Schnittstellenstandards (generischer Transport und API) für herstellerübergreifende Interoperabilität.
Verwandte Normseiten
Hauptakteure
Kameras & Systeme
Cognex, Keyence, Basler, Sick, Datalogic, Zebra.
Vision-Software
MVTec HALCON, Cognex VisionPro, Adaptive Vision, OpenCV.
Deep Learning & Edge
NVIDIA (Jetson, Metropolis), Landing AI, Intel OpenVINO, Neurala.