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.

Seiten: 1 2Auf einer Seite lesen

Imago Technologies GmbH

Das könnte Sie auch Interessieren