Bei der In-Sight D900 von Cognex handelt es sich um eine industrielle Smart-Kamera mit Deep-Learning-Software (Quelle: Cognex)
An den Begriff „Künstliche Intelligenz (KI)“ sind viele Erwartungen geknüpft, die aber applikationsspezifisch geprüft werden müssen. In die Entscheidung, ob eine herkömmliche Bildverarbeitungsmethode oder eine Deep-Learning-Methode verwendet wird, spielen beispielsweise auch die Datenmengen und die Rechenleistung hinein.
Herkömmliche Bildverarbeitungsmethoden basieren auf regelbasierten Algorithmen, die in der Regel von BV-Experten programmiert werden. Sie eignen sich für einfache Inspektionsaufgaben; für komplexere, wie Oberflächeninspektionen, sind sie weniger geeignet. Generell gilt: Je mehr Merkmale erfasst werden müssen, desto aufwendiger ist die Programmierung der Algorithmen und um so weniger eignen sich traditionelle Methoden.
Die visuelle Inspektion durch den Menschen hat den Vorteil, dass dieser Abwägungen treffen kann und Erfahrungen in seine Entscheidung einfließen. Das menschliche Gehirn arbeitet nicht nach regelbasierten Algorithmen, sondern bezieht viele weitere Aspekte bei der Bildbetrachtung mit ein. Auf dieser Vorgehensweise baut auch Deep Learning auf: Das System lernt selbstständig und optimiert sich ständig weiter, je mehr Bilder eingelesen werden. Der Vorteil im Vergleich zum Menschen: Kombiniert mit einer leistungsfähigen Hardware sind die Verarbeitungsgeschwindigkeit und die Genauigkeit der KI-basierten Bildverarbeitung um ein Vielfaches höher und es kommt nicht zu Ermüdungen und damit einem Qualitätsabfall. Es lässt sich schon erahnen, dass Deep Learning die optimale Wahl ist, wenn es um strukturierte Oberflächen oder die Erkennung von geringfügigen Abweichungen, zum Beispiel Kratzer oder Verformungen, an Teilen geht.
Komplettlösung für komplexe In-Line-Inspektionsaufgaben
Einige BV-Hersteller haben sich auf den Weg gemacht und bieten Lösungen für Deep-Learning-Ansätze an. So beispielsweise Cognex. Mit seinem Deep-Learning-Vision-System In-Sight D900 stell das Unternehmen eine Komplettlösung, bestehend aus Hard- und Software, bereit. Sie umfasst die industrietaugliche In-Sight-Smart-Kamera und die Deep-Learning-Software Cognex Vidi. Das in sich geschlossene System wurde entwickelt, um ein breites Spektrum komplexer In-Line-Inspektionsanwendungen zu lösen, einschließlich optischer Zeichenerkennung (OCR), Montageüberprüfung und Fehlererkennung. Das System nutzt für die Anwendungsentwicklung die In-Sight-Spreadsheet-Plattform von Cognex, läuft ohne PC und erfordert keine Deep-Learning-Kenntnisse.
Im Gegensatz zur autarken In-Sight D900-Smart-Kamera ist Vision-Pro Deep Learning eine gebrauchsfertige, auf Deep-Learning-Methoden basierende Software für die industrielle Bildanalyse. Sie wird mithilfe gekennzeichneter Bilder, die bekannte Merkmale, Anomalien und Klassen eines Teils darstellen, trainiert – auf ähnliche Weise, wie dies auch ein menschlicher Prüfer erlernt. Während einer überwachten Schulungsdauer werden der Software Fehler eingelernt. Im nicht überwachten Zustand lernt diese das normale Aussehen eines Objekts eigenständig, einschließlich tolerierbarer Abweichungen. Aufbauend auf diesen repräsentativen Bildern erstellt die Software ein eigenes Referenzmodell. Bei dem iterativen Prozess der kontinuierlichen Verbesserung werden die Parameter immer wieder angepasst und das Ergebnis validiert, bis das Modell erwartungsgemäß funktioniert. Während der Laufzeit extrahiert Vision-Pro Deep Learning Daten aus einer neuen Reihe an Bildern und das neuronale Netzwerk lokalisiert Teile, extrahiert Anomalien und klassifiziert diese. Nach Unternehmensangaben kommt die Software mit einer kleinen Anzahl von Trainingsbildern und vergleichsweise wenig Rechenleistung aus und benötigt nur eine GPU-Karte. Diese Merkmale machen sie zur idealen Lösung für Werks- und Produktionsumgebungen, die eine PC-basierte Verarbeitung und nur begrenzte Bildsätze verwenden.
Vidi kann vor Ort gewartet und auf Werksebene neu trainiert werden, ohne Einwirken des Anlagenbauers oder Systemintegrators. Die Software arbeitet mit hochauflösenden Bildern, einschließlich Farb- und Wärmebildern, um beliebige Anomalien zu erkennen. Zudem ist sie in der Lage, komplexe Zählungen auszuführen und schwer lesbare und verformte Zeichen zu entziffern. Die Tools zum Lokalisieren, zur Defekterkennung, Klassifizierung und optischen Zeichenerkennung arbeiten entweder eigenständig oder können zur Lösung komplexer Bildverarbeitungsaufgaben innerhalb einer Anwendung mit anderen Cognex-Bildverarbeitungs-Tools kombiniert werden.