Human like Machine Vision

Human like Machine Vision

Deep Learning Vision Software für neue BV-Aufgaben

Klassische Vision-Systeme stoßen bisher immer wieder an ihre Grenzen bei Aufgabenstellungen, welche für den Menschen einfach lösbar sind. Dies bedeutet, dass nach wie vor noch für viele Aufgabenstellungen – trotz aller Einschränkungen und Risiken – die manuelle Beurteilung durch den Menschen die beste Lösungsalternative ist. Die Antwort für diese Aufgabenstellungen ist die ViDi Suite.
Die Beurteilung von Oberflächen mit Texturen gehört zu den Aufgabenstellungen, bei denen klassische Vision-Systeme an ihre Grenzen stoßen. Das menschliche Auge kann Texturen, Muster, Objekte und Strukturen erkennen und bereits nach kurzer Anlernzeit zuverlässig visuell beurteilen und klassifizieren. Anhand von wenigen Beispielen lernt der Mensch zulässige Variationen von Fehlern zu unterscheiden – selbst bei Naturprodukten bei denen keine zwei Teile exakt gleich sind. Beim Einsatz von human-like Machine Vision wird anhand von Gut-Muster-Bildern ein sogenanntes Erwartungsbild (zulässiges Erscheinungsbild, inklusive tolerierter und zulässiger Toleranzen) trainiert. Die bildgebende Quelle ist dabei unerheblich. Bilder der Prüflinge werden in der Serienprüfung gegen das Erwartungsbild bewertet. Somit sind keine aufwändigen Merkmals- oder Fehlerbibliotheken notwendig, da neue Fehler nicht notwendigerweise trainiert werden. Neue Produkte sind ohne großen Aufwand erlernbar. Mit steigender Repräsentativität der Stichprobe an Bildern steigt die Performance des Systems, was die Erkennungsleistung und Robustheit gegenüber zulässigen Streuungen erhöht. ViDi Suite ist die erste Deep Learning Vison Software, die speziell auf die industrielle Analyse von Bildern hin entwickelt und optimiert wurde. Sie basiert auf speziellen Algorithmen für maschinelles Lernen und übertrifft die besten Prüfer(-innen). Es ist keine Softwareentwicklung notwendig, und es können zudem Aufgaben gelöst werden, die nicht zu programmieren sind.

Anwendungsmöglichkeiten

Das sogenannte human-like Machine Vision ist völlig neu entwickelt und auf unterschiedliche Aufgabenstellungen hin optimiert. Es liefert automatisiert prozesssicher Ergebnisse mit hohen Erkennungsleistungen, selbst bei schwierigen oder texturierten Hintergründen, Oberflächen mit Strukturen, Mustern oder Beschichtungen sowie unterschiedlichen Materialien. Beispiele hierfür sind Textilien, Leder, Holz, Gummi, Metall (bearbeitet, beschichtet, veredelt), glühender Stahl, Karbon, Steinoberflächen, Fliesen, Papier, Tapeten, Kunststoff, verzierte, dekorierte, reflektierende Oberflächen sowie Dekor-/Klebefolien. Die Software wird genutzt um qualitative Auffälligkeiten und ästhetische Fehler aller Art zu entdecken, etwa wie Kratzer, Dellen, Schlagstellen, Schattierungen, Beschichtungsfehler, Webfehler in Textilien, fehlerhafte Schweißnähte oder Kleberaupen. Auch unbekannte Fehler werden zuverlässig als Auffälligkeit oder Anomalie erkannt, ohne dass sie im Vorfeld explizit trainiert wurden. Weitere Anwendungsmöglichkeiten sind die Lokalisierung und Identifizierung von Merkmalen und Zeichen. Die Software wird eingesetzt um einzelne oder mehrere Merkmale in einem Bild zu finden, diese zu identifizieren und die Lage im Bild zu ermitteln. Anwendungsmöglichkeiten sind z.B. stark deformierten Zeichen auf stark verrauschtem oder texturiertem Hintergrund (OCV, OCR) sowie komplexe Objekte in Schüttgut. Weiterhin können Merkmale auf einem Bild gezählt werden (z.B. Zeichen, Schweißpunkte auf Untergrund mit schwachem Kontrast, Sensoren, Löcher). Außerdem kann eine Klassifizierung von Objekten oder Szenen durchgeführt werden. Dies kann auch in Schüttgut z.B. die Identifikation von Objekten aufgrund ihres Aussehens oder der Verpackung sein. Die Unterscheidung von Produktvarianten, die Klassifizierung von Schweißnähten, Naturprodukten oder Fehlerarten sind Einsatzmöglichkeiten von human-like Machine Vision.

Vorteile für den Anwender

Dabei ergeben sich Vorteile für alle Anwender von Bildverarbeitung: Integratoren können Machbarkeitsuntersuchungen in Stunden anstatt in Tagen durchführen, Maschinenbauer und Integratoren profitieren von Wettbewerbs- und Kostenvorteilen aufgrund des erweiterten Portfolios an Bildverarbeitungslösungen, sowie der deutlich reduzierten Entwicklungszeit und beschleunigten Time-to-Market. Endanwender profitieren von einem kosteneffizienten und prozesssicheren sowie zuverlässigen System, das ohne aufwändige Merkmals- oder Fehlerbibliotheken den Menschen übertrifft.

i-mation GmbH

Das könnte Sie auch Interessieren