Komplettlösung für komplexe In-Line-Inspektionsaufgaben

Deep Learning Tool - MVTec

Mit dem Deep Learning Tool bietet MVTec einen schnellen Weg zur fertigen Deep-Learning-Lösung: verschiedene Deep-Learning-Methoden können schnell und intuitiv gelabelt werden und lassen sich nahtlos in MVTec Halcon integrieren (Quelle: MVTec)

Deep Learning Tool - MVTec

Mit dem Deep Learning Tool bietet MVTec einen schnellen Weg zur fertigen Deep-Learning-Lösung: verschiedene Deep-Learning-Methoden können schnell und intuitiv gelabelt werden und lassen sich nahtlos in MVTec Halcon integrieren (Quelle: MVTec)

Deep Learning Tool - MVTec

Mit dem Deep Learning Tool bietet MVTec einen schnellen Weg zur fertigen Deep-Learning-Lösung: verschiedene Deep-Learning-Methoden können schnell und intuitiv gelabelt werden und lassen sich nahtlos in MVTec Halcon integrieren (Quelle: MVTec)

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.

2 / 4

Ähnliche Beiträge