Newsletter | Impressum | Mediadaten | Kontakt
Logo von 3D-Micromac AG
Logo von BMF - Boston Micro Fabrication
Logo von BUSCH Microsystems GmbH
Logo von COHERENT
Logo von COLANDIS GmbH
Logo von Hartmetall-Werkzeugfabrikation Paul Horn GmbH
Logo von GF Machining Solutions SA
Logo von Infotech AG
Logo von JAT - Jenaer Antriebstechnik GmbH
Logo von Leonhardt Graveurbetrieb
Logo von LT Ultra-Precision Technology GmbH
Logo von MAFAC - E. Schwarz GmbH & Co. KG
Logo von maxon motor gmbh
Logo von Micreon GmbH
Logo von MICRO-EPSILON MESSTECHNIK GmbH & Co. KG
Logo von MKS Instruments - Newport Spectra-Physics GmbH
Logo von nanosystec
Logo von PM B.V.
Logo von POSALUX SA
Logo von Pulsar Photonics GmbH
Logo von SCANLAB GmbH
Logo von SPHINX Werkzeuge AG
Logo von Steinmeyer Holding GmbH
Logo von Fritz Studer AG
Logo von Walter Maschinenbau GmbH
Logo von WITTMANN BATTENFELD GmbH
Logo von Zecha Hartmetall-Werkzeugfabrikation GmbH
Optische Inspektion mit intelligenten Algorithmen

Bildverarbeitung mit Lerneffekt

Die automatische optische Prüfung unterschiedlichster Bauteilmerkmale ist mit hohem Aufwand und vielen Einschränkungen verbunden und kann die manuelle optische Inspektion bislang kaum ersetzen. Das Problem lässt sich allerdings lösen, wenn sich selbstlernende Bildverarbeitungs-Algorithmen GUTTEILE zum Maßstab nehmen.

Qualitätsinspektion erhält einen immer wichtigeren Stellenwert in der industriellen Produktion. Ob motiviert durch immer strengere Sicherheitsvorschriften oder durch hohe ästhetische Anforderungen – eine automatische Kontrolle kann die Zuverlässigkeit der Qualitätssicherung erhöhen und gleichzeitig deren Kosten deutlich reduzieren. Während handelsübliche Bildverarbeitung vorwiegend zur Überprüfung der Maßhaltigkeit eingesetzt wird, sind Lösungen zur Detektion von qualitativen und nicht klar definierten Defekten wie Kratzern, Verfärbungen oder anderen produktionsbedingten Fehlern auf Oberflächen selten und meist nur sehr umständlich umzusetzen. Oft ist daher die manuelle optische Inspektion nach wie vor die einzige praktikable Option.

 

Maschinelles Lernen, orientiert an menschlichen Fähigkeiten

 

Inspiriert durch die beeindruckende Leistungsfähigkeit des menschlichen Sehsystems hat das schweizerische Unternehmen ViDi Systems eine Serie von Algorithmen entwickelt, um die Herausforderungen in der optischen Inspektion anzugehen. Ähnlich wie bei Kindern, die problemlos fehlerhafte Teile identifizieren können, nachdem sie einige fehlerfreie Teilegesehen und diese ›gespeichert‹ haben, können die Algorithmen selbstständig das Modell einer komplexen Oberfläche ›erlernen‹. Dieses Modell beinhaltet nicht nur die Eigenheiten des zu betrachtenden Objekts, sondern das gesamte Inspektionssystem inklusive Kameraposition, Optik und Beleuchtung. Dadurch wird der oft komplexe und teure Prozess vom Design bis zur Implementierung und Inbetriebnahme von automatischen optischen Prüfsystemen sehr stark vereinfacht.

 

ViDi bietet eine äußerst ökonomische und wirkungsvolle Lösung für die visuelle Qualitätsinspektion an, die sich auf die jüngsten Errungenschaften im Bereich des maschinellen Lernens stützt und die enormen Rechenleistungen moderner Grafikkarten nutzt. Mit dem Inspektionssystem ›V1500‹ wurde diese neue Technologie in ein Standardprodukt zur Inspektion von flachen Teilen integriert (Bild 1). Die Maschine verfügt über ein durch Linearmotoren angetriebenes Portal, das die Inspektionskamera inklusive Optik und Beleuchtung über die zu inspizierenden Objekte bewegt. In der einfachsten Ausführung werden die Prüfteile mithilfe der seitlichen Schublade an der Maschine zugeführt. Alternativ besteht die Möglichkeit, die Schublade durch ein automatisiertes Zuführsystem zu ersetzen oder eine komplette Integration in eine Produktionslinie zu realisieren.

 

Eigenständige Fehleranalyse

 

Eine konkrete Beispielanwendung ist die Inspektion von kleinen Zahnrädern (D ≈ 10 mm), die in radialer Richtung gebürstet sind und somit über eine dekorative Textur verfügen. Da es sich bei der Bürstung um einen stochastischen Produktionsprozess handelt, werden keine zwei Teile die exakt gleiche Textur aufweisen. Trotzdem gibt es eine Reihe von Aspekten, wie zum Beispiel feine Kratzer in eine nicht radiale Richtung oder leichte Verfärbungen und Flecken, die zuverlässig gefunden werden müssen. Für das Einlernen werden 30 Gutteile in die V1500 eingelegt. Die Konfiguration und der eigentliche Lernprozess (Rechenzeit des Systems) beanspruchen circa 30 Minuten. Danach ist das System in der Lage, zuverlässig und eigenständig die oben erwähnten Fehler zu erkennen (Bild 2).

 

Die von ViDi entwickelte Technologie ermöglicht eine Automatisierung von Prüfaufgaben, die aufgrund ihrer Komplexität bisher noch vorwiegend durch den Menschen ausgeführt werden. Die nun automatische Inspektion ist nicht nur zuverlässiger, sie gewährleistet auch einen hohen Grad an Flexibilität.

 

Autor:
Dr. RETO WYSS ist VR-Mitglied bei
der ViDi-Systems SA in Villaz St-Pierre/Schweiz;
info@vidi-systems.com

 

 

Hersteller:
ViDi Systems SA
CH-1690 Villaz-St-Pierre
Tel. +41 26 6537230
Fax +41 26 6537231
www.vidi-systems.com