Anzeige
Anzeige
Anzeige

Mehr als ein Gateway

 Die frei programmierbare EdgeBox nutzt einen kryptofähigen ARM Cortex-A72 und ein abgesichertes Linux OS für sicheres Arbeiten. (Bild: Imago Technologies GmbH)

Bild 2 | Die frei programmierbare EdgeBox nutzt einen kryptofähigen ARM Cortex-A72 und ein abgesichertes Linux OS für sicheres Arbeiten. (Bild: Imago Technologies GmbH)

Embedded Machine Vision

Nicht nur die optimale Hardware, sondern auch die Anwendung ist eingebettet in die Funktionalität der Maschine. Da eine Maschine jedoch unterschiedlichste Produkte fertigt, muss auch das Embedded System anpassbar sein. Heutzutage kann man nicht alle Szenarien in der Produktvielfalt voraussehen, das heißt die Systeme müssen den zukünftigen Anforderungen gemäß dazulernen können. Für Embedded Machine Vision bedeutet dies, dass neue Funktionen von außen eingespielt werden und die Maschine über die Jahre hinzu lernt. Das Embedded System selbst ist in der Lage, von neuen Produkten Bilder aufzunehmen, zu verarbeiten und die wesentlichen Daten via EdgeBox und Cloudservices dem Bildverarbeitungsentwickler zu übermitteln. Dieser passt dann seine Anwendungssoftware auf das neue Produkt an und spielt das Update auf die Maschine. Mit Ihrem Start der Maschine schließt sich der eingangs erwähnte Anwendungsfall mit dem Tablet. Zudem muss der Anwender zukünfitge Funktionen nicht bezahlen, solange ihm die Grundfunktionalität ausreicht, hat aber über die EdgeBox, die Cloudservices und seinen Lieferanten die Gewissheit, dass die Maschine per App auch später noch nachrüstbar ist.

Deep Learning im Schaltschrank

VisionSensoren, VisionCams, ARM-basierte VisionBoxen und die EdgeBox nutzen Linux als Betriebssystem bzw. RT Linux für zeitkritische Anwendungen. Auch Windows-Systeme können eingebunden werden, ebenso wie andere Automatisierungskomponenten mit Ethernet-Schnittstelle. Als Bildverarbeitungsbibliothek steht Halcon für die x86er- und ARM-Prozessoren zur Verfügung. Weitere Schnittstellen (I/O, Encoder, Kameras) und Protokolle (z.B. OPC/UA, Feldbusse) sind möglich. Die Bandbreite an Anforderungen ist dabei hoch: Eine einfache Kontrolle erfordert einen kostengünstigen Sensor, während ein Deep Learning System, sprich ein Rechnerbolide mit GPU und Kamera, selbst in der Lage ist, Bilder neu zu bewerten. Der Lernprozess findet dabei direkt im Schaltschrank statt und nicht auf dem Server der Fabrik oder in der Cloud. Dazwischen gibt es dann klassische PC-basierte Lösungen, aber auch intelligente Zeilen- und Flächenkameras.

Anzeige

Empfehlungen der Redaktion

Das könnte Sie auch interessieren

Mit Ansprechzeiten von 0,5ms lässt sich mit dem Weißlicht-Farbsensor FSB10 die Anwesenheit von farbigen Objekten und deren Qualität kontrollieren.‣ weiterlesen

www.di-soric.com

Anzeige

The ultrahigh-speed camera Phantom v1840 provides a very high image quality at 18Gpix/sec. It has the lowest noise floor of any Phantom camera and a high 64dB dynamic range.‣ weiterlesen

www.visionresearchinc.net

Anzeige

NaturalIQ is an AI approach that allows customers to automate subjective camera tuning by learning image quality (IQ) preferences from their own natural image datasets.‣ weiterlesen

www.algolux.com

Anzeige

Der Farbsensor CFO200 hebt die True Color Farberkennungssensoren der Reihe CFO auf eine neue Leistungsstufe. Bei einer Messfrequenz von 20kHz lassen sich 320 Farben in 254 Farbgruppen mit höchster Farbgenauigkeit detektieren.‣ weiterlesen

www.micro-epsilon.de

Anzeige

Nach der Weiterentwicklung des LineFinder IP-Cores, der in der MV1 Kameraserie verwendet wird, hat Photonfocus den IP-Core in vier MV0 Kameramodellen implementiert. ‣ weiterlesen

www.photonfocus.com

Die webbasierte Konfigurationsoberfläche und Ergebnisanzeige machen die Einrichtung der intelligenten Infrarotkameras der IRSX-Serie für thermische Überwachungsaufgaben einfach.‣ weiterlesen

www.automationtechnology.de

Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Anzeige