Machine Vision: Übersicht und Anwendungen

Machine Vision ist das Auge von Industrie 4.0. Es ist die entscheidende Technologie, die intelligente Fertigungssysteme befähigt, visuelle Eingaben zu erfassen, Entscheidungen zu treffen und vollständig eigenständig zu handeln. Die Association for Advancing Automation (A3) definiert Machine Vision als die Kombination aus Software und Hardware, welche verwendet wird, um Bilder oder Videos zu analysieren und zu verarbeiten mit dem Ziel während des Betriebes industrieller Anlagen die Prozesse bestmöglich zu Unterstützen. Als Alternative zur manuellen Arbeit bietet Machine Vision schnellere, berührungslose und präzisere Automatisierung für Identifikation, Messung und Inspektion.

Seit ihren Anfängen in den 1990er Jahren hat Machine Vision schnell Einzug in den Bereichen der Halbleiter-, Elektronik- und Automobilindustrie gehalten. In andere Bereichen, wie Überwachung, Medizin, Robotik, autonome Fahrzeuge und Drohnen hat sich Machine Vision ebenfalls erfolgreich etabliert. Diese erweiterten Anwendungen haben ein neues Wachstum im globalen Markt für Machine Vision entfacht, und laut Research and Markets wird erwartet, dass er bis 2030 einen Wert von 25,92 Milliarden US-Dollar erreicht, bei einer durchschnittlichen jährlichen Wachstumsrate (CAGR) von 7,7%.

Machine Vision beschreibt ein System welches aus verschiedenen Komponenten besteht. Diese müssen die unterschiedliche Funktionen erfüllen um dem Computersystem zu ermöglichen, die reale Welt "zu sehen". Die am häufigsten vorkommenden Komponenten eines Machine Vision-Systems sind wie folgt beschrieben.

• Beleuchtung: Machine Vision benötigt Bilder zur Analyse. Je klarer, heller und detailreicher ein Bild ist, desto besser kann die Bildverarbeitungssoftware des Maschinen-Vision-Systems diese Bilder analysieren. Eine gute Beleuchtung, in der Regel durch Blitzlicht oder LED-Lampen, liefert die benötigte Ausleuchtung, um Bilder von bestmöglicher Qualität aufzunehmen.
• Kameras und Objektive: Ein gut beleuchtetes Bild ist nur so gut wie die Kamera, mit der es aufgenommen wird. CCD-Kameras, CMOS-Kameras und spezielle Machine Vision-Kameras erfassen Bilder und senden die Daten über die Bildaufnahmekarte an den Industrie-Computer zur nachfolgenden Verarbeitung und Analyse.
• Bildaufnahmekarte: Die Bildaufnahmekarte bietet eine Hochgeschwindigkeitsschnittstelle zwischen der Kamera und dem Computer, wandelt das Kameraausgangssignal in ein digitales Signal um. Die Bildaufnahmekarte bestimmt die maximal möglichen Bilder pro Sekunde bei einer gegebenen Auflösung.
• Industrie-Computer: Die Bildverarbeitung wird von der CPU und GPU des Industrie-Computers durchgeführt. Für das Training und die Inferenz des Deep Learning sind eine leistungsstarke CPU und zusätzliche GPU-Leistung erforderlich, um optimale Leistung zu erzielen.
• Bildverarbeitungssoftware: Diese Software verarbeitet Bilder, um Merkmale im Bild zu extrahieren, zu analysieren und zu identifizieren.
• Display: Die Ergebnisse nach der Bildanalyse können auf einem Monitor angezeigt werden. Eine Folgeaktion oder -mechanismus kann Dargestellt und durch die Benutzeroberfläche ausgelöst werden.
• Steuersystem: Mit den COM- und DIO-Signale können Speicherprogrammierbaren Steuerungen (SPS) gesteuert werden, sowie direkt Aktoren, Sensoren oder Motoren angebunden werden.

Die Möglichkeiten der Anwendungen im Machine Vision scheinen endlos zu sein. Ständig kommen neue hinzu. Es gibt jedoch vier Hauptbereiche in denen Machine Vision die größte Entwicklung und Nutzen erfahren hat.

• Industrielle Automation
  • Qualitätsprüfung: Die Fertigungsindustrie war die erste Branche welche Machine Vision zur Optimierung der Prozesse einsetzte. Hauptsächlich für die automatisierte optische Inspektion (AOI) wurden Kameras verwendet, um die Oberfläche eines Objekts zu scannen und Farbabweichungen oder Defekte zu erkennen.
  • Navigation: Autonome mobile Roboter (AMRs) und automatisierte geführte Fahrzeuge (AGVs) nutzen Machine Vision, Radar und Lidar, um eine 3D-Wahrnehmung und Erkennung der Arbeitsumgebung durchzuführen. Dadurch kann der Roboter autonom zu seinem Zielort navigieren.


• Sicherheitsüberwachung
  • Gesichtserkennung: Das Erkennen und Identifizieren von Gesichtern aus Bildern oder Videos mit Hilfe von Machine Vision ermöglicht den Vergleichen mit einer Datenbank um bekannter gesuchte Gesichter zu identifizieren. Dieses Erkennungsverfahren wird beispielsweise in Flughäfen und Grenzkontrollen eingesetzt und verbessert den Ablaufprozess sowie das Sicherheitsmanagement.
  • Nummernschilderkennung: Die automatische Kennzeichenerkennung (ANPR) verwendet optische Zeichenerkennung (OCR), um die von einer Kamera erfasste Nummernschildnummer zu erkennen. In intelligenter Verkehrsinfrastruktur ermöglicht ANPR eine effizientere und bequemere Verkehrsverwaltung.
  • Anomalieerkennung: Um automatisch gefährliche Situationen in Überwachungsbildern zu erkennen (z.B. Eindringen oder Diebstahl, Ereignisse wie Überschwemmungen oder Feuer) kann ebenfalls Machine Vision verwendet werden. Wenn ein Ereignis erkannt wird, benachrichtigt das System automatisch Sicherheitspersonal (oder Sicherheitssysteme), damit sie schnell reagieren können.


• Medizinische Bildgebung und chirurgische Unterstützung
  Machine Vision ermöglicht die automatische Erkennung von Läsionen in der medizinischen Bildgebung wie CT, MRI und Röntgen. Die Verwendung von Deep Learning und anderen Technologien zur Bilderkennung und Merkmalsextraktion kann Ärzten helfen, schneller und präziser zu diagnostizieren und zu behandeln. Machine Vision spielt auch eine wichtige Rolle in der chirurgischen Unterstützung. Hierbei unterstüzten chirurgische Roboter und intelligente Instrumente Ärzte bei präziser Positionierung oder dem Ausführen von Schnitten und Nähten. Insbesondere bei minimalinvasiver Chirurgie ist dies oft erforderlich. Die Operationen werden dadurch präziser, die Operationszeiten kürzer und Ärzte weniger ermüdet.


• Autonomes Fahren
  Machine Vision übernimmt gleich mehrere Aufgaben in selbstfahrenden Fahrzeugen. Beispiele sind die Erkennung von Fahrspurlinien, Hinderniserkennung, Verkehrsschilderkennung, Fußgängererkennung und Fahrzeugerkennung. Die hochauflösenden Kameras, Radare, Lidars und andere Sensoren des Maschinen-Vision-Systems erfassen die Daten der Umgebung in Echtzeit und führen Merkmalsextraktion und Bilderkennung durch. Damit hat das selbstfahrende Auto eine klare Vorstellung von der Umgebung. Somit lassen sich systemgestützte Fahrspurerkennung mit direkter Geradeausfahrt- oder Kurvenanpassungen durchführen. Das selbstfahrende Fahrzeug ist nun in der Lage die richtige Spur zu erkennen und zu halten. Bei der Hinderniserkennung analysiert die Machine Vision Bilder und Sensordaten, um Form, Größe und Entfernung von Hindernissen zu bestimmen und selbstfahrenden Fahrzeugen dabei zu helfen, Kollisionen zu vermeiden.

Industrie-Computer sind die stabilsten und zuverlässigsten Computer für den industriellen Einsatz. Sie verfügen über die notwendige Rechenleistung und Konnektivität und ermöglichen somit Machine Vision Anwendungen. Bei der Echtzeit-Analyse von Bilddaten, wie der Bildverarbeitung, Merkmalsextraktion sowie Erkennungs- und Klassifikationsoperationen, können leistungsstarke Industrie-Computer die Anforderungen dieser rechenintensiven Aufgaben erfüllen. Darüber hinaus können die Größe und Geschwindigkeit des Speichers und der Festplatten in Industrie-Computern so gewählt werden, dass sie den stetig steigenden Bedarf an Datenspeicherung bewältigen können.

In Bezug auf Kommunikation und Konnektivität benötigen Industrie-Computer eine Auswahl an Ein- und Ausgangsschnittstellen, um sich mit anderen Geräten wie Kameras und Sensoren innerhalb des Maschinen-Vision-Systems zu verbinden. Drahtlose Kommunikation ermöglicht es dem Industrie-Computer, die Analyseergebnisse zu einem Kontrollzentrum zu senden, um Entscheidungen zu unterstützen. Industrie-Computer sind sehr stabil. Ihr robustes Design ist die Grundlage für stabilen Betrieb in anspruchsvollen industriellen Umgebungen. Diese Merkmale machen den Industrie-Computer zu einer idealen Rechnerplattform für Machine Vision Anwendungen.

Die Cincoze GPU Computing - GOLD und Embedded Computing - DIAMOND Produktlinien bieten eine Auswahl an Embedded-Computern mit verschiedenen Leistungsoptionen und Erweiterungsmöglichkeiten, welche für die meisten Machine Vision Anwendungen geeignet sind. Diese Computer sind für raue industrielle Umgebungen konstruiert und können hohe Schock- und Vibrationsbelastungen, extreme Temperaturen und Stromschwankungen standhalten. Die Industrie-Computer können durch das Hinzufügen von CMI/MEC/CFM Erweiterungsmodulen mit zusätzlichen Ein- und Ausgangsschnittstellen und Funktionen angepasst werden. Sie erfüllen viele internationale und branchenspezifischen Zertifizierungen. So kann ein stabiler und zuverlässige Betrieb sowie ein hoher Grad an Betriebssicherheit gewährleistet werden.

• GOLD Series
  • GM-1000：Der GM-1000 ist ein leistungsstarker, kompakter GPU-Computer. Er unterstützt eine Intel® Xeon® Workstation-Class CPU. Er ist mit einem eingebetteten MXM 3.1 Slot für Typ A und Typ B ausgestattet um MXM GPU-Module aufzunehmen. Er bietet bis zu 360W Systemleistung. Aufgrund seiner kompakten Größe eignet er sich ideal für Roboterarme und andere Umgebungen mit begrenztem Platzangebot.
  • GP-3000：Der GP-3000 ist ein leistungsstarker, skalierbarer GPU-Computer. Er unterstützt eine Intel® Xeon® Workstation-Class CPU. Es lassen sich zwei lange GPU-Karten mit einem Strombedarf von maximal 250W stecken. Ein großes Gesamtleistungsbudget von bis zu 720W steht zur Verfügung um den Anforderungen anspruchsvoller Machine Vision Anwendungen gerecht zu werden. Der GP-3000 unterstützt eine GPU Expansion Box (GEB) um weitere PCIe-Steckplätze hinzuzufügen und dadurch die GPU-Verarbeitungskapazität zu erhöhen. Durch den Einsatz fortschrittlicher GPUs kann die Leistung signifikant gesteigert werden, was komplexe industrielle KI- und Machine Vision Aufgaben beschleunigen kann.


• DIAMOND Series
  Die DIAMOND Embedded-Computer bieten verschiedene Formfaktoren, Leistungsklassen sowie Erweiterungsstrategien. So können Kunden, die für ihre Bedürfnisse am besten geeignete Lösung für Ihre Machine Vision Anwendung wählen. Der DX-1200 ist mit einer Intel® Core™ der 12. Generation (Alder Lake-S) CPU und einem Intel® Xe UHD 770 Grafikchip ausgestattet. Er unterstützt 4× 10Gbps High-Speed LAN sowie bis zu 8× PoE. Für Anwendungen, die mehr Erweiterbarkeit erfordern, kann bei dem Modell DS-1300 eine Intel® Xeon® Workstation-Class CPU verwendet werden. Es sind zwei PCI/PCIe Erweiterungssteckplätze für externe Frame Grabber-Karten, Motion-Karten oder GPU-Karten vorhanden. Er enthält auch den patentierten "adjustable card retainer" (Patent Nr. I773359), der Erweiterungskarten jeder Größe fest fixiert. Die mit Intel® Core™ CPUs ausgestatteten DI-1100 und DV-1000 sind leistungsstarke Lösungen für mobile Geräte wie Roboter und AGVs.


• Anwendungsbeispiele
  • Industrielles Röntgeninspektionssystem: Die Röntgeninspektion ist eine zerstörungsfreie, präzise und effiziente Qualitätsprüfungsmethode aus dem Automobil-, Luft- und Raumfahrt-, Elektronikbereich, wie auch vielen weiteren industrielle Branchen. Ein europäischer Hersteller von Röntgeninspektionsgeräten wählte den hoch erweiterbaren DS-1302 robusten Industrie-Computer als Kerncomputer in seinem automatischen Qualitätsmanagement-Röntgeninspektionssystem.
  • Wärmebildsystemerkennung: Intelligente Thermografie verwendet den GM-1000 zusammen mit KI- und Deep-Learning-Algorithmen, um schnelle persönliche Temperaturüberwachung, Maskenerkennung, Gesichtserkennung und Fußspurverfolgung in Flughäfen, Krankenhäusern und Fabriken zur Verhinderung der Ausbreitung von COVID-19 durchzuführen.
  • Fahrzeug zur automatisierten Gleisinspektion: Ein innovatives Unternehmen aus dem Railway-Sektor installierte den GP-3000 auf einem automatischen Gleisinspektionsfahrzeug, um Schienendefekte mit der Unterstützung von Machine Vision Bildverarbeitungssystemen zu erkennen. Sie entschieden sich für die Verwendung der GEB, um zusätzliche GPU-Karten, RAID-Karten und Steuerkarten auf dem GP-3000 zu installieren, wodurch die Leistung insbesondere bei der Bildverarbeitung und Detektion enorm erhöht werden konnte.
  • Fabrik-AMR: Ein namhafter Roboterhersteller nutzte den DS-1202 zusammen mit einer GPU-Karte in seinem AMR, um automatisches Kommissionieren und Entladen durch Machine Vision und Roboterarme zu ermöglichen. Das AMR erkennt die Umgebung dynamisch und navigiert durch die Fabrik, um die Kollision mit Hindernissen zu vermeiden und Gegenstände zu ihrem Zielort zu transportieren.