In den Schatten gestellt

Schattenwurf zur Unterscheidung von Gumminasen

Verfügen Prüfteile über runde Konturen oder sind sie aus einfarbigem Material, stellt das für optoelektronische Erfassungssysteme eine Herausforderung dar, denn dadurch wird die Objekterkennung erschwert. Entwickler von Bi-Ber bekamen das Problem durch einen Blick über den Tellerrand in den Griff: Ein neues Verfahren erlaubt die Analyse von Objekten anhand ihres Schattenwurfs.
Für einen Hersteller von Gummi-Metall-Teilen wurde eine Bildverarbeitungslösung zur Überprüfung von Gumminasen entwickelt, das auf dem von Bi-Ber entwickelten Prismagic-Prinzip basiert. Im Werk des Anwenders formt eine Spritzmaschine Gummi-Rohlinge in hoher Taktung zu Dämpfungselementen für die Aufhängung in Fahrzeugen. Die Rohlinge werden dabei in unterschiedlichen Größen produziert. Zur Typunterscheidung spritzt die Maschine deshalb jeweils ein, zwei oder drei Gumminasen an den Elementen aus, um die verschiedenen Rohling-Typen später im Prozess unterscheiden, prüfen und sortieren zu können. Damit der anschließende Sortierungsprozess eine hohe Genauigkeit erreicht, muss ein optisches System die Anzahl und vollständige Ausspritzung der Nasen erfassen. Weitere Prüfungen betreffen die Vollständigkeit und Intaktheit der Gummihaut über dem Metall, sowie das Freibleiben bestimmter Bereiche der metallischen Flächen von Gummi. Die schwarze Farbe, sowie Schlieren auf der dunklen Gummifläche, erschweren jedoch die Erkennung erheblich. Das Problem wurde durch die Analyse des Schattenwurfs der Nasen gelöst.

Spiegeloptik mit integrierter Beleuchtung

Um die hohe Taktrate der Spritzmaschine und die parallele Fertigung von jeweils zwei Teilen zu gewährleisten, installierte Bi-Ber ein Doppelsystem bestehend aus zwei identischen Kameras, Objektiven und Aufbauten. Die Konstruktion basiert auf der symmetrischen Anordnung von sechs Planspiegeln oberhalb des Prüflings. Eine einzelne hochauflösende Kamera blickt zentral auf die Spiegel und somit senkrecht auf die Stirnseite des mittig liegenden Bauteils. Aus den einzelnen gewonnenen Spiegelbildern setzt ein Software-Tool zur Bildtransformation anschließend eine entzerrte und lückenlose Abbildung zusammen. Dadurch wird die gesamte zu inspizierende Mantelfläche eines zylindrischen Objekts – hier der Gummiteile – in nur einer Ansicht abgebildet. Eine integrierte Ringbeleuchtung aus zwölf LED-Spots, die unterhalb der Spiegel angebracht sind, sorgt für die vollständige Ausleuchtung des Prüflings. Als Schutz vor der staubbelasteten Umgebung dienen ein Blechgehäuse sowie ein zum Prüfling liegendes transparentes Kunststofffenster.

Schattenwurf liefert Ergebnisse

Die Gummi-Metall-Teile werden in zwei Positionen auf die vollständige Ausspritzung des Gummis und der Gumminasen sowie auf eine typisierende Einprägung an der Stirnseite geprüft, jeweils einmal von der Ober- und Unterseite. Für die Gumminasenerfassung werden in schneller Abfolge fünf Aufnahmen innerhalb von 0,5Sek. bei unterschiedlicher Beleuchtung gemacht. Die Prüfung der ersten Bauteilseite wird durch die übergeordnete Maschinensteuerung an der I/O-Karte ausgelöst. Dabei wird zunächst eine Aufnahme mit Ringlicht- und allen Spotbeleuchtungen vorgenommen. Sie dient dazu, die Anzahl und Winkelposition der Nasen auf dem zufällig liegenden Bauteil zu überprüfen. In der nächsten Aufnahme wird eine Dunkelfeldbeleuchtung ohne Ringlicht erzeugt, um die schon erwähnte typenbestimmende Einprägung an der Stirnseite zu erkennen und mit der Nasenanzahl abzugleichen – dies stellt sicher, dass der richtige Bauteiltyp erkannt wurde. In einer dritten Aufnahme wird für jede Nase eine weitere Aufnahme mit einem einzelnen Spot angefertigt. Es entstehen bis zu drei Bilder mit wechselnden Spots. Anhand der bereits erfolgten Erfassung der Winkellage in der Draufsicht wird gezielt derjenige Spot angesteuert, der den optimalen Schattenwurf erzeugt, um diesen in seitlicher Sicht auswerten zu können. Im Ergebnisbild wird die genaue Ausprägung der Nase visualisiert und kann dann anhand der Größe und Kontur des Schattens evaluiert werden. Die Analyse und Auswertung des Schattenwurfs erlaubt es nicht nur, Störfaktoren wie dunkle Farbe und Schlieren erfolgreich zu umgehen, sie liefert auch deutlich bessere und zuverlässigere Ergebnisse als die Erkennung des Objekts selbst.

Das könnte Sie auch interessieren

Neuer Geschäftsführer bei Omron Electronics

 

Zuvor war Kluger als Managing Director Europe und Vice President Business Development für Adept Technology, später für Omron Adept Technologies tätig. Außerdem ist er als ehrenamtliches Vorstandsmitglied im Fachverband Robotik des VDMA aktiv.

www.industrial.omron.eu

Jahresabschluss und Verä;nderungen bei Stemmer

Am 30. Juni hat der global tätige Bildverarbeiter Stemmer Imaging sein Geschäftsjahr 2016/2017 mit einem Umsatz von 88,7Mil.€ und einem währungsbereinigten Wachstum von 6% abgeschlossen. Der Abschluss stellt auch das Ende einer Ära dar.

www.stemmer-imaging.de

Zylinderkopf-Volumenprüfung

Der 3D Snapshot Sensor Gocator 3210 mit integrierter Zylinderkopf-Volumenprüfung wurde speziell für die Kammervolumeninspektion von Zylinderköpfen in kleinen bis mittelgroßen Verbrennungsmotoren entwickelt. Die Sensoren produzieren hochauflösende 3D-Scans und Messergebnisse mit einer Genauigkeit von +/-0,04cm3 in weniger als 5Sek., selbst bei Brennkammern und Kolben mit glänzenden Oberflächen. Eine 2MP Stero-Kamera minimiert Abschattungen.

www.lmi

Verbesserte Genauigkeiten für Messmaschinen

Für das hochgenaue Messen wurde die Auswerte-Elektronik Quadra-Chek 3000 entwickelt. Moderne Videowerkzeuge werten das Kamerabild von Mess- und Profilprojektoren, Messmikroskopen oder Videomessmaschinen aus. Die integrierte Fehlerkompensation verbessert die mechanische Genauigkeit der Messmaschine. Filterfunktionen verhindern, dass Verschmutzungen auf dem zu messenden Objekt oder auf der Optik der Messmaschine das Ergebnis verfälschen. Bei der Auswertung des Kamerabildes erkennt die Elektronik Kanten und legt darauf Messpunkte fest.

www.heidenhain.de

Anzeige
Sicherheit ab dem ersten Teil

Die Möglichkeit des korrelationsfreien Messens ermöglicht in der Produktionslinie bereits für das erste Bauteil die notwendige Sicherheit über die Maßhaltigkeit. Damit können Unternehmen darauf verzichten, in regelmäßigen Abständen ihre Karosserieteile auf einem Koordinatenmessgerät (KMG) nachzumessen und die erkannten Abweichungen zwischen Inline und KMG als Korrekturwerte auf die Inline-Messanlagen zu übertragen.

www.zeiss.de

Anzeige
Deep Learning Algorithmen für CNNs

Der Matlab Release 2017a enthält eine Reihe neuer Funktionen sowie die Automated Driving System Toolbox. R2017a enthält zudem Aktualisierungen und Fehlerbehebungen für 86 vorhandene Produkte. Beispielsweise werden in der Neural Network Toolbox verschiedene Deep-Learning-Algorithmen zum Trainieren von neuronalen Faltungsnetzwerken (CNNs) für Regressionsaufgaben mit mehreren GPUs auf PCs, auf Clustern und in der Cloud angeboten, sowie die Deep-Learning-Visualisierung für die von einem CNN-Modell erlernten Funktionen mithilfe von Bildoptimierung. Zudem stehen Funktionen zur Übertragung von Gewichtungen von vortrainierten CNN-Modellen (Alexnet, VGG-16 und VGG-19) und Modellen von Caffe Model Zoo zur Verfügung.

www.mathworks.de

Anzeige