Kaum eine Produktionslinie läuft über Jahre unverändert und ohne jegliche Probleme, zumal sich viele Parameter im Lauf der Zeit verändern. Nicht selten haben derartige Umstellungen zur Folge, dass bestehende Qualitätsuntersuchungen aktualisiert und zusätzliche Prüfschritte in die Anlagen integriert werden müssen. Bestehende Systeme können dies dann oft nicht mehr ohne Weiteres leisten. Wenn integrierte Visionsysteme, die seit Jahren im Einsatz sind, aus diesen Gründen plötzlich an neue Grenzen stoßen, ist guter Rat teuer. Sind Smart-Kameras Teil der Anlage, so existiert für diese zwar meist eine Vielzahl an Software-Modulen, doch darin besteht gleichzeitig ein Problem: Diese Tools sind oft zu zahlreich, zu komplex, zu teuer und vor allem zu unflexibel. Laut Christoph Siemon, Vice President Sales und R&D bei Imago Technologies weiß der Anwender in der Regel aber genau, welche Skripte er zur Lösung zusätzlicher Aufgabenstellungen benötigt. „Vieles davon kann er inzwischen sogar mit Hilfe von KI-Tools generieren oder optimieren. Was ihm jedoch fehlt, ist eine Kamera, die diese Freiheit auch zulässt, ohne ihn in proprietäre Software-Umgebungen zu zwingen. Ein System, das er selbst programmieren kann und das seine schlanken, effizienten Skripte akzeptiert, statt ihn in starre Funktionspakete zu drängen.“
Frei programmierbar und KI-fähig
Genau für solche Situationen hat Imago Technologies den Vision Sensor PV4 entwickelt: Diese performante, frei programmierbare und KI-fähige Smart-Kamera gibt dem Anwender nicht nur maximale Freiheit bei der Software-Gestaltung, sondern kann durch ihre integrierte NPU auch anspruchsvolle KI-Aufgaben direkt auf dem Gerät ausführen. Die erfassten Bilder werden ohne zusätzliche Hardware vollständig Onboard verarbeitet, was eine effiziente Real-Time-Ausführung von KI-Modellen direkt auf dem Gerät ermöglicht. Die dafür erforderliche Rechenleistung stellt eine Multicore ARM CPU zur Verfügung, die den Vision Sensor in Kombination mit 4GB DDR4 RAM wie einen kompakten Linux-Rechner nutzbar macht. Siemon: „Zum einen gibt es den Vision Sensor PV4 in zwei Versionen, die sich mechanisch unterscheiden: Das Cubic-Modell hat Abmessungen von 50x50x40,8mm, die Matchbox-Variante misst 45×53,7×25,5mm. Noch wichtiger ist aber der flexible, modulare Aufbau, der bei Bedarf eine einfache Integration alternativer Sensorvarianten ermöglicht, ohne das komplette Gerät neu entwickeln zu müssen.“ Weitere Vorteile sind u.a. die optionale, integrierte Beleuchtungslösung Universal Illumination Module (UIM), die per Software gesteuert und parametrisiert werden kann. Der Einsatz von Flüssiglinsen mit Autofokusfunktion, ist eine weitere Option. Zur Anlagenanbindung stehen diverse Möglichkeiten wie eine GigE Visionschnittstelle oder zur Erweiterung der Schnittstellen die I/O Expansion Box zur Verfügung.
Flexibilität auch bei Software
Diese Flexibilität setzt sich bei der Software fort: Mit ViewIT stellt Imago Anwendern ein Tool zur Verfügung, das den Einstieg erleichtert und Entwicklungsprozesse spürbar beschleunigt. Dieses bietet eine schnelle Möglichkeit zur Visualisierung, Konfiguration und Kombination von Visionfunktionen für klassische Bildverarbeitungsfunktionen wie Blob-Analysen, OCR, Code-Lesen oder Filterlogik. Optional besteht auch die Möglichkeit, eine Halcon-Laufzeitlizenz zu integrieren. „Der Vision Sensor PV4 ist frei programmierbar wie ein Linux-Industrie-PC und stellt Anwendern somit alle gewünschten Freiheiten bei der Programmierung zur Verfügung“, unterstreicht Siemon.
Vielseitige Einsatzfelder
Der KI-Einsatz auf dem Device sowie seine hohe Leistungsfähigkeit und Flexibilität machen den Vision Sensor zu einer effizienten Lösung für viele typische Inspektions- und Prüfaufgaben. Ein möglicher Einsatzschwerpunkt ist laut Siemon die Logistik: „Diese Branche steht u.a. vor der Herausforderung, dass sich Paketgrößen, -zustände und Label-Positionen in Logistik-Hubs ständig ändern. Eine sichere und schnelle Barcode- und Label-Validierung bei variierenden Paketen ist jedoch absolute Voraussetzung für den wirtschaftlichen Betrieb von Logistikanlagen. In solchen Szenarien erkennt der Vision Sensor beschädigte, verschmutzte oder teilweise verdeckte Barcodes zuverlässig, segmentiert Label-Bereiche KI-basiert und klassifiziert Fehler wie beispielsweise schlechte Druckqualität oder falsche Label.“ Weitere Beispiele aus dem Logistiksektor sind Sequenzkontrollen in Sortieranlagen, das Lesen von Fracht- oder Retouren-Labels bei hoher Geschwindigkeit, die sichere OCR-Erkennung unstrukturierter Handschrift zum Beispiel auf Retourenbelegen, das Erkennen von Paketdeformationen oder auch die KI-basierte Pakettyp-Klassifikation für ein automatisches Routing in Logistikzentren.
