• Cognex Vertrieb: +49-721-958-8052

  • Kontakt
Blog-Banner von Cognex klein DataMan und Objektiv aus der Nähe

Cognex Blogs

Wie In-Sight 2800 die Bildverarbeitung einfach macht

In-Sight 2800 Bildverarbeitungssystem und EasyBuilder Benutzeroberfläche

Das In-Sight 2800 kombiniert die besten Elemente des maschinellen Lernens mit traditioneller regelbasierter Bildverarbeitung in einem vollständig integrierten Bildverarbeitungssystem. Das In-Sight 2800 nutzt vortrainierte Algorithmen und kann schnell und einfach in jeder Fabrikumgebung zur Automatisierung der Fehlererkennung eingesetzt werden.

Das System ist für den Einsatz durch Fertigungs- und Automatisierungsingenieure vorgesehen, um schwierige Probleme der Fertigungsautomation zu lösen, ohne dass Kenntnisse in Deep Learning oder industrielle Bildverarbeitung erforderlich sind. Innerhalb von Minuten kann das In-Sight 2800 für die Fehlererkennung und Klassifizierung in Betrieb genommen werden. Und im Gegensatz zu einigen anderen Bildverarbeitungssystemen kann es eine unbegrenzte Anzahl von Klassen erfassen und so noch anspruchsvollere Kategorisierungs- und Sortierungsaufgaben lösen.

Das In-Sight 2800 ermöglicht es Herstellern aller Größen durch die folgenden Vorteile, die Integration zu rationalisieren, genaue Anwendungsanforderungen zu erfüllen und eine höhere Produktqualität zu erreichen:

  1. Hohe Benutzerfreundlichkeit
  2. Mehrklassen-Funktionalität 
  3. Erfassen mehrerer Zielbereiche 

1. Hohe Benutzerfreundlichkeit für alle Qualifikationsniveaus und beschleunigte Inbetriebnahme

Maschinelle Bildverarbeitung und Deep Learning haben den Ruf, extrem leistungsfähig, aber auch entsprechend schwierig zu implementieren zu sein. Jüngste Fortschritte in der Technologie der Fertigungsautomation, wie das In-Sight 2800, haben jedoch zu einer Reihe von Tools geführt, die jetzt einfacher zu bedienen sind als je zuvor.

Das In-Sight 2800 ist so konzipiert, dass es einfach einzurichten ist und keine umfassende Programmierung erfordert. Das Trainieren des Systems zur Lösung eines Problems ist vergleichbar mit Schulung eines aufmerksamen neuen Mitarbeiters an der Linie. Der Ingenieur zeigt Beispiele mit Unterscheidungen, die getroffen werden müssen, und eingebettetes Edge Learning ist in der Lage, schnell die gleichen Unterscheidungen zu machen. 

Edge Learning ist eine Untergruppe von Deep Learning, bei der die Verarbeitung mithilfe eines Satzes von vortrainierten Algorithmen direkt im Gerät erfolgt. Die Technologie ist einfach einzurichten und erfordert im Vergleich zu herkömmlicheren Deep-Learning-basierten Lösungen weniger Zeit und Bilder zum Training. Bei herkömmlichen Lösungen kann die Automatisierung vieler Klassifizierungsanwendungen Tage oder Wochen dauern und erfordert Hunderte von Bildern und stundenlange Analysen durch erfahrene Bildverarbeitungs- und Deep-Learning-Experten. Im Gegensatz dazu sind für die Implementierung der Edge Learning Tools des In-Sight 2800 nur wenige Minuten, eine Handvoll Trainingsbilder und die Aufmerksamkeit eines Ingenieurs erforderlich, der das zu lösende Problem zwar versteht, aber nicht unbedingt über spezielle Kenntnisse in der Bildverarbeitung oder im Deep Learning verfügt.

2. Multi-Klassen-Funktion für ein breites Aufgabenspektrum

Eine der Schlüsselkompetenzen des Edge Learning ist die Fähigkeit, Teile schnell und zuverlässig in Kategorien einzuteilen, nachdem sie an gelabelten Bildern dieser Teile in den vorgesehenen Kategorien trainiert wurden. Eine häufige Anwendung für diese Funktion ist die Klassifizierung von zulässigen und nicht zulässigen Teilen als OK/NOK. 

Die Benutzer trainieren das Klassifizierungstool des Edge Learning, indem sie Bilder von zulässigen und nicht zulässigen Teilen bereitstellen. Es ist nicht notwendig, zu markieren oder zu definieren, was ein Teil unzulässig macht. Stattdessen wägt das Tool selbst ab, welche Variationen in einem Teil für die Bestimmung „zulässig/nicht zulässig“ von Bedeutung sind, während es Abweichungen ignoriert, die keinen Einfluss auf die Klassifizierung haben. Die Edge Learning Tools, die in das In-Sight 2800 eingebettet sind, können auch Klassifizierungen verarbeiten, die viel komplexer sind als eine binäre OK/NOK-Entscheidung.

Mit der Zunahme der kundenindividuellen Massenproduktion haben Hersteller oft viele Variationen der einzelnen Teile auf Lager. Beispielsweise können Felgen für Luxusautos in Dutzenden von SKUs mit leichten Unterschieden in Felgendesign, -farbe und -finish angeboten werden. Ein menschlicher Prüfer kann eine ganze Minute brauchen, um einige von ihnen zu unterscheiden. Der Zeitaufwand für diese Tätigkeit rechtfertigt sich durch die möglichen Folgen, die sich ergeben, wenn man darauf verzichtet: Es wird eine eine andere Felge als die bestellte eingebaut, was zu einem unzufriedenen Kunden und zu einem Verlust künftiger Aufträge führen kann.

Nachdem sie mit nur wenigen Beispielen jedes Premiumfelgendesigns trainiert wurden, kann Edge Learning zuverlässig die richtige Felge auswählen oder sicherstellen, dass das angegebene Modell am Fahrzeug montiert ist. Die Möglichkeit, mehrere Klassifizierungen zu definieren, bietet die Möglichkeit, eine größere Anzahl von Problemen der Fertigungsautomation zu lösen.

3. Die Funktionalität für mehrere Zielbereiche (ROI) konzentriert sich auf wesentliche Merkmale

Um eine Prüfanwendung zu verfeinern, kann ein Ingenieur sein Wissen über die wesentlichen variablen Bereiche auf dem Teil nutzen, um spezifische Schwerpunkte zu definieren, die als Region of Interest (ROI) bezeichnet werden. Die Konfiguration von Anwendungen auf dem In-Sight 2800 ist mithilfe von bekannten Click-and-Drag-Tools über eine intuitive Benutzeroberfläche ganz einfach. Mit einem Ziehen wird ein Feld definiert, ein weiteres verschiebt es. Für das Feld können unveränderliche Merkmale des Teils festgelegt werden.

Die Definition von ROIs ist ein Standardbestandteil der industriellen Bildverarbeitung, aber ihre Anwendung erfordert oft einige Fachkenntnisse. Das In-Sight 2800 ist auch für Personen ohne spezielle Erfahrung mit Bildverarbeitungstools leicht anwendbar. Und dank der Leistung der Bildverarbeitungstools des In-Sight 2800 kann eine beliebige Anzahl solcher ROIs definiert werden, und jeder dieser ROIs kann eine beliebige Anzahl von Klassen identifizieren. 

Dies erleichtert die Bestückungsüberprüfung komplexer Bestückungen mit vielen verschiedenen Konfigurationen und variablen Teilen, wie z. B. Leiterplatten (PCBs). Solche Probleme erforderten bisher einen immensen Arbeitsaufwand. Zum einen in Bezug auf die Entscheidung, welche Merkmale geprüft werden sollten, damit bestätigt werden kann, dass das richtige Teil eingebaut wurde, zum anderen in Bezug auf anschließende Programmierung des Bildverarbeitungssytems für die Prüfung dieser Merkmale. Die Edge Learning Tools des In-Sight treffen diese Entscheidungen selbstständig, was bedeutet, dass sich auf Aktivitäten mit höherem Nutzwert – wie die Optimierung der Abläufe – konzentriert werden kann.

Multi-region of interest inspection of PCB

Einfach zu bedienendes maschinelles Lernen mit unübertroffener Flexibilität

Die Bildverarbeitungstools von Cognex wurden auf der Grundlage jahrelanger Erfahrung in der Fertigungsautomation entwickelt und sind speziell auf die Anforderungen des Linienbetriebs ausgerichtet. Der Vorteil dieser ausgereiften Technologie wird umso deutlicher, je subtiler die Fehler und entsprechend schwieriger sie zu erkennen sind. 

So kann beispielsweise eine Verschließmaschine den Drehverschluss beim Verschließen einer Flasche falsch aufsetzen, beschädigen oder nicht vollständig schließen. Viele Systeme können große, sichtbare Fehler leicht erkennen. Der Vorteil gegenüber anderen Systemen wird deutlich, wenn Verschließfehler fast nicht wahrnehmbar ist. Andere Systeme können einen solchen Fehler zulassen, was zu Leckagen oder Verunreinigungen führen kann. Das In-Sight 2800 mit seiner Kombination aus Edge Learning und speziellen Bildverarbeitungstools klassifiziert diese fast unsichtbaren optischen Fehler als nicht zulässig.

Das In-Sight 2800 Bildverarbeitungssystem ist einfach zu bedienen, kann mit einer Handvoll Bilder trainiert werden und ist in der Lage, mehrere Klassen und mehrere Zielbereichen zu erkennen und verändert so die Fertigungsautomation.

Weitere Posts auf

ERHALTEN SIE ZUGANG ZU SUPPORT & TRAINING FÜR PRODUKTE & MEHR

Werden Sie Teil von MyCognex

SIE HABEN EINE FRAGE?

Cognex is weltweit vertreten, um Sie bei Ihren Vision- und Barcode-Anwendungen zu unterstützen.

Kontakt