Anzeige
Anzeige
Anzeige

Wie fähig ist mein
Inspektionssystem wirklich?

Quantitative Fähigkeitskenngrößen für klassifizierende Bildverarbeitungssysteme und ihre Einflussfaktoren

Gerade im industriellen Umfeld nimmt die Bedeutung von Bildverarbeitungssystemen stetig zu. Von der korrekten Funktion dieser Inspektionssysteme hängt viel ab, meist sogar das Qualitätsniveau der ausgelieferten Teile. Daher ist es von entscheidender Bedeutung, ob das eingesetzte Inspektionssystem für die gewählte Prüfaufgabe geeignet, das heißt ob es fähig ist. Ein neuer Ansatz erlaubt es, diese Fähigkeit für klassifizierende Bildverarbeitungssysteme zu quantifizieren.

Fehlende Standards

Grundlegend kann man zwischen messenden und klassifizierenden Inspektionssystemen unterscheiden; erstere liefern (geometrische) Maße, letztere attributive Merkmale der Prüfteile. Messende Systeme lassen sich über Messunsicherheiten charakterisieren, ihre Fähigkeit für spezielle Prüfaufgaben wird über die Messmittelfähigkeit beschrieben. Diese Größen und Verfahren zu ihrer Bestimmung sind in anerkannten Regelwerken festgelegt. Für klassifizierende Systeme gibt es dagegen noch keine entsprechenden Standards – und das stellt ein erhebliches Problem dar, wenn ein solches System für eine spezifische Prüfaufgabe ausgelegt, spezifiziert und abgenommen werden soll. Aufgrund der Vielfalt klassifizierender Bildverarbeitungssysteme wird eine allgemeine Definition quantitativer Fähigkeitskennzahlen vielleicht nicht gelingen. Anhand eines Beispiels soll hier aber eine Systematik skizziert werden, die auf ähnliche Inspektionssysteme übertragbar ist. Diese Systematik orientiert sich an Kenngrößen, die den gesamten Prüfprozess beschreiben, nämlich der Fehlausschussrate (Anteil fälschlicherweise aussortierter Prüfteile, Falsch-Negativ-Rate) und der Durchschlupfrate (Anteil fälschlich als gut akzeptierter Prüfteile, Falsch-Positiv-Rate). Das sind letztlich die einzigen für den Endanwender relevanten Kennzahlen. Ein oft nicht klar genug erkanntes Problem ist, dass diese Kenngrößen nicht nur von der Leistungsfähigkeit des Inspektionssystems abhängen. Zusätzliche, entscheidende Einflussgrößen sind, wie viele Defekte auf den inspizierten Prüfteilen auftreten und welche Qualitätsregeln für diese Defekte gelten.

Das Bildverarbeitungssystem

Nehmen wir als Beispiel ein System zur Oberflächeninspektion, das auf einem Metallteil Defekte wie offene Lunker, Kratzer und Flecken von Reinigungsmittelrückständen oder Bearbeitungsspuren erkennen soll. Typischerweise geht die Bildverarbeitung in zwei Schritten vor sich: zuerst müssen lokale Auffälligkeiten (Ereignisse) identifiziert werden (Detektion). Im zweiten Schritt werden die entsprechenden Bildausschnitte klassifiziert, also zugeordnet, ob es sich bei dem Ereignis um einen Lunker, Kratzer… handelt. Ein Ereignis kann also, muss aber nicht qualitätsrelevant sein. Qualitätsrelevante Ereignisse wären dann echte Defekte. Allgemein lässt sich die Leistungsfähigkeit dieser Verarbeitungsschritte über eine Detektionsrate d und eine Klassifikationsrate cij beschreiben. Die Klassifikationsrate beschreibt auch Kreuzklassifikationen, also die fälschliche Klassifikation eines Defekts vom Typ j als Typ i. Idealerweise sollten diese Raten bei d=100% und cii=100% liegen. Mit diesen beiden Kenngrößen ist die Kernfunktionalität der Bildverarbeitung erfasst; beide Größen lassen sich in einer Erkennungsrate rij=di*cij zusammenfassen. Es gibt auch klassifizierende Systeme, bei denen Ereignisse nicht eigens detektiert werden müssen. So ist beispielsweise bei der Inspektion einer Blisterverpackung für Tabletten von vornherein klar, wo hingeschaut werden muss. Die Zielgrößen Fehlausschuss und Durchschlupf hängen aber auf jeden Fall noch von anderen Einflüssen ab.

Anzeige

Empfehlungen der Redaktion

Das könnte Sie auch interessieren

Wo andere Messmikroskope nur 1/2″ oder 2/3″-Bildsensoren unterstützen, gestatten die hochpräzisen Wide-Field Video Microscope Units (Wide VMU) die Verwendung von Kameras im APS-C-Format (22,2×14,8mm). Dies ermöglicht ein über siebenmal größeres Bild zur Inspektion. ‣ weiterlesen

www.mitutoyo.de

Anzeige

Die monochrome GigE-Kamera Hawk erzielt bei einer Bildauflösung von 1MP bis zu 100fps. Durch Nutzung der 12/16Bit Datenübertragung kann der volle Dynamikumfang des CCD-Sensors genutzt werden. Selbst bei einer 8Bit Datenübertragung kann durch die integrierte Gamma-Funktion eine höhere Dynamik erreicht werden, wodurch eine erneute Bildaufnahme mit anderer Belichtungszeit überflüssig und somit die Verarbeitungsgeschwindigkeit erhöht wird. ‣ weiterlesen

www.goepel.com

Anzeige

Mit Einführung der Kameras DP27 (5MP) und DP22 (3MP) präsentiert Olympus die nächste Generation digitaler Kameras für die Mikroskopie. Beide Kameras liefern ein detailliertes Full-HD-Live-Bild über eine USB-3.0-Schnittstelle mit einer Bildrate von 30fps (DP22) bzw. 22fps (DP27). Je nach den individuellen Erfordernissen hat der Nutzer die Wahl zwischen einem High-Fidelity-Modus für Bilder in Okular-ähnlicher Qualität sowie einem Normal-Modus mit optimierter Farbwiedergabe, der ideal für schwach gefärbte Proben geeignet ist. ‣ weiterlesen

www.olympus-ims.com

Anzeige

Bei dem kontaktfrei arbeitenden Display-Charakterisierungssystem VCProbe wird der Messkopf durch einen Roboterarm geführt und folgt den unterschiedlichen Displayoberflächen. Möglich sind Vermessungen von 2 bis zu 150Zoll-Bildschirmen. Dabei können Parameter wie Farbe, Kontrast, Reflexionsgrad, Polarisation und Strahldichte in einer Winkelauflösung von 0,5°-Schritten bei Einfallswinkeln von 0 bis 80° erfasst werden und dies bei Geschwindigkeiten von unter 2sec/Messpunkt. ‣ weiterlesen

www.polytec.de

Anzeige

Die AttoMap Software stellt spektroskopische Daten, die mithilfe von Kathodolumineszenz (KL)-Technologie aufgenommen wurden, in 3D dar. Die KL-Technologie integriert ein Rasterelektronenmikroskop und ein Lichtmikroskop in einem hochauflösenden spektroskopischen Instrument. ‣ weiterlesen

www.digitalsurf.fr

Anzeige

Die Telmetricstar Heizkostenverteiler von Brunata-Metrona bestimmen den exakten Wärmeverbrauch von Heizkörpern und übermitteln die Verbrauchswerte an einen Datensammler, der sich außerhalb der Wohnung befindet. Während der Produktion der Heizkostenverteiler werden Data Matrix-Codes auf die Einheiten für die spätere Rückverfolgbarkeit gedruckt. ‣ weiterlesen

Anzeige

www.wi-sys.de

Anzeige

Laut einer aktuellen Studie von MarketsandMarkets steigt der Markt für Produkte und Services im Bereich non-destructive Testing (NDT) von 3,77Mrd. USD im Jahr 2013 bis auf 6,88Mrd. USD im Jahr 2020. NDT fasst verschiedene Techniken wie Ultraschall, Thermographie oder Wirbelstrom-Prüfgeräte zusammen. ‣ weiterlesen

www.marketsandmarkets.com

Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Anzeige