AI-unterstützte Machine Vision
Dank der auf Deep Learning basierenden Bildverarbeitungsfunktionen können auch unter schwierigen Bedingungen hervorragende und konsistente Ergebnisse erzielt und unvorhersehbare Schwankungen bei Beleuchtung, Materialien und Produkten bewältigt werden. Anstatt feste Regeln zu schreiben, wird einen Satz guter Referenzbilder hochgeladen. Die in Automation Studio integrierte Deep Learning Toolchain vereinfacht die Einrichtung mit vordefinierten Trainingsparametern. Durch den Wegfall der komplexen manuellen Konfiguration werden Fehler reduziert, die Anpassung an neue Daten vereinfacht und eine flexible, effiziente Produktion sichergestellt. Die B&R Smart Camera bietet eine Reihe von leistungsstarken AI-Funktionen, die ohne umfangreiche Programmier- oder Bildverarbeitungskenntnisse einfach einzurichten sind.
Optische Zeichenerkennung (OCR)
Deep OCR kann verzerrten oder kontrastarmen Text lesen, den herkömmliche regelbasierte Systeme nicht erkennen würden – vorkonfiguriert und sofort einsatzbereit.
Anomalieerkennung
Die Kontext-Anomalieerkennung lernt, natürliche Abweichungen von tatsächlichen Fehlern zu unterscheiden. Eine Fehlerdatenbank ist dafür nicht nötig, denn die Kamera lernt anhand eines Beispiels, was „gut” ist. Abweichungen davon erkennt sie selbstständig.
Segmentierung
Die semantische Segmentierung ermöglicht es, trainierte Fehlerklassen pixelgenau zu lokalisieren. Dadurch lassen sich Aufgaben lösen, die zuvor undenkbar oder nur mit hohem Programmieraufwand realisierbar waren.
Objekterkennung
Die Objekterkennung auf Basis von Deep Learning erkennt Formen, selbst wenn Kanten unscharf sind, der Hintergrund stört oder sich Konturen überlappen.
Klassifikation
Die Klassifikation mit Deep Learning lernt, Produkttypen oder merkmale zu erkennen, und kann somit Produkte mühelos sortieren, wie Menschen Äpfel von Orangen unterscheiden.
Anwendungsbeispiele
OCR ohne Training oder Parametrierung
Die integrierte Schriftenerkennung hat eine außergewöhnliche Fähigkeit, Zeichen sofort zu erkennen. Auch bei schlechter Bildqualität oder schwierigen Zeichen, wie z. B. Punktmatrixschrift, wird ein schnelles Lesen ohne Training oder Parametrierung erreicht. Ein Deep Learning-Algorithmus macht die Funktion noch zuverlässiger und eröffnet neue Möglichkeiten, die Qualität zu verbessern, die Produktivität zu steigern und Ausschuss zu vermeiden - und das alles bei höherer Flexibilität in der Fertigung. Alle verfügbaren Smart Camera Features können mit Deep OCR kombiniert werden.
- Weltklasseleistung von 26 TOPS
- Hochgeschwindigkeitslesen auch bei schlechter Bildqualität
- Auch schwierige Zeichen werden sofort erkannt
- Keine weiteren Parameter als ROI und Konfidenzniveau
- Deep OCR für bessere Ergebnisse
Anomalieerkennung im globalen Kontext
Die auf Deep Learning basierende Erkennung von Anomalien identifiziert selbst kleinste Strukturabweichungen mit hoher Zuverlässigkeit. Diese Erkennungstechnologie ist bereits erfolgreich in der automatischen Qualitätskontrolle von Holzoberflächen, Textilien, Schweißverbindungen und vielem mehr im Einsatz.
Im Gegensatz zu anderen Deep Learning-Methoden erfordert sie keine spezielle Kennzeichnung von verschiedenen Fehlerklassen. In den meisten Fällen reichen etwa 100 gute Bilder aus, um das Netzwerk zu trainieren. Bei einer Bildstörung segmentiert die Anomalieerkennung die Regionen der Bilder, die nennenswert von den Trainingsbildern abweichen.
- Oberflächenfehler werden in einer Heatmap deutlich hervorgehoben
- Die Qualitätsrelevanz kann mit nachgeschalteten regelbasierten Algorithmen fein eingestellt werden
- Steigerung der Maschinenleistung ohne KI-Experten
- Höhere Produktivität und Qualität mit weniger Ausschuss