Deep Learning in der Bildverarbeitung Selbstlernend und fast menschlich - Quality Engineering

Deep Learning in der Bildverarbeitung

Selbstlernend und fast menschlich

Cognex_Automotive_Stills_08.jpg
In der Automobilindustrie finden sich viele Anwendungen für den Einsatz künstlicher Intelligenz Bild: Cognex
Anzeige
Künstliche Intelligenz (KI) und Deep Learning erschließen der Vision-Technologie neue Anwendungsmöglichkeiten. Dabei ist die Komplexität einer schwierigen Applikation heute kein unüberwindbares Hindernis mehr. Anwendungen lassen sich jetzt auch ohne einschlägiges KI-Know-how und Programmierkenntnisse einfach und schnell umsetzen.

Mit Visionpro Vidi bietet Cognex eine auf Deep Learning basierende Bildanalyse-Software, die speziell für die Fabrikautomation konzipiert wurde. Diese lässt sich in den Cognex Designer 4.0 integrieren. So wird künstliche Intelligenz mit der Robustheit der industriellen Bildverarbeitung in der Cognex Designer Software kombiniert. Damit lassen sich komplexe Anwendungen lösen, die mit traditionellen Bildverarbeitungssystemen zu schwierig, zu aufwändig oder zu teuer wären.

Visionpro Vidi verfügt über vier leistungsstarke Tools:

  • Vidi Blue Locate zur Lokalisierung und Identifizierung von Merkmalen
  • Vidi Red Analyze zur Segmentierung und Fehlererkennung
  • Vidi Green Classify zur Objekt- und Szenenklassifizierung
  • Vidi Blue Read zum Lesen von Texten und Zeichen

Die neue Technologie auf Basis von Deep Learning funktioniert zuverlässig auch bei Abweichungen und unvorhersehbaren Defekten und ist selbst den besten Qualitätsprüfern überlegen. Sie wird insbesondere angewendet zur Lokalisierung und Identifizierung verzerrter Merkmale, zur Segmentierung und Fehlererkennung, zur Klassifikation von Textur und Material und für anspruchsvolle OCR-Anwendungen (mit verzerrtem Druck).

Vidi Blue Locate findet komplexe Merkmale und Objekte durch Lernen aus kommentierten Bildern. Selbstlernende Algorithmen lokalisieren Teile, zählen durchsichtige medizinische Glasfläschchen auf einem Tablett und führen Bestückungsprüfungen auf Kits und Packungen durch. Zum Einlernen benötigt der Anwender lediglich Bilder, auf denen die relevanten Merkmale markiert sind.

Ein typisches Anwendungsbeispiel ist die Identifizierung und Klassifizierung von Zündkerzen. Hier müssen die Hersteller auf Sichtprüfungen vertrauen, wenn die Umgebungen keine Technologie zum Lesen von Barcodes unterstützen. Leichte Abweichungen im Erscheinungsbild können für automatische Prüfsysteme aber ein Problem darstellen. Dies ist der Fall bei Zündkerzen, die zur Vormontage auf Tabletts in unterschiedlichen Farben ankommen.

Visionpro Vidi verallgemeinert dann die Merkmale einer Zündkerze anhand ihrer Größe, Form und Oberflächenmerkmale. Der Ingenieur markiert mithilfe des Vidi-Blue-Locate-Tools einige Zündkerzen auf den Bildern, um die Software einzulernen. Dadurch werden einzelne Zündkerzen nach dem Training identifiziert und können gezählt werden. Das Vidi-Green-Classify-Tool verwendet das auf Deep-Learning basierende Modell, um die Zündkerzen nach dem bekannten Merkmal – der Farbe – in einer definierten Größe zu klassifizieren.

Fehlererkennung und Segmentierung

Vidi Red Analyze wird verwendet, um Anomalien und ästhetische Fehler zu erkennen – gleichgültig ob es sich um Kratzer auf einer dekorierten Oberfläche handelt, um unvollständige oder unsaubere Anordnungen oder um problematische Webstellen in Textilien. Das Tool kann all diese Probleme einfach durch das Lernen des normalen Aussehens eines Objekts einschließlich erheblicher, jedoch zulässiger Änderungen identifizieren.

Zudem wird das Vidi Red Analyze Tool zum Segmentieren spezieller Bereiche verwendet – beispielsweise beim Vorhandensein von Fremdmaterial auf einem medizinischen Gewebe. Das Analysetool kann die relevanten Bereiche durch Lernen des wechselnden Erscheinungsbilds in der Zielzone zuverlässig identifizieren.

Beispielsweise erleichtert Vidi Red Analyze die automatische Erfassung und Bestimmung von Fehlern auf texturierten Metalloberflächen, etwa bei der Prüfung von Kolbenringen. Außerdem erfasst das Tool zuverlässig Poren im Metall, beispielsweise bei der Inspektion der Zylinder.

Auch bei der Inspektion von Textilien – etwa bei der Airbag-Prüfung – kommt Vidi Red Analyze zum Einsatz. Denn für Airbags gelten zur Gewährleistung der Sicherheit der Passagiere strenge Qualitätsstandards. Die Fahrzeughersteller müssen alle sicherheitskritischen Komponenten doppelt und dreifach prüfen, um deren Qualität zu gewährleisten und Garantie- und Rückrufkosten zu senken.

Die Vorgehensweise zur Lösung der Aufgabe ist einfach: Ein Ingenieur trainiert das Tool im so genannten Unsupervised-Mode – zu diesem Zweck wird eine Reihe an fehlerfreien Bildern eines Airbags eingelernt. Die Software erlernt so das normale Erscheinungsbild eines Airbag-Gewebes einschließlich Webmuster, Gewebeeigenschaften und Farbe. Alle Merkmale, die von dem eingelernten Erscheinungsbild des Modells abweichen, werden im Bild markiert. Auf diese Weise erfasst Visionpro Vidi zuverlässig und beständig alle Anomalien wie Löcher, Schlitze, Risse und ungewöhnliche Stichbilder. So können fehlerhafte Bereiche des Gewebes auch ohne umfangreiche Fehlerbibliotheken schnell identifiziert und gemeldet werden.

Objekt- und Szenenklassifizierung

Vidi Green Classify wird verwendet, um ein Objekt oder eine ganze Szene zu klassifizieren – beispielsweise bei der Identifizierung von Produkten basierend auf deren Verpackung, bei der Klassifizierung von Schweißnähten oder der Unterscheidung von zulässigen und unzulässigen Fehlern. Basierend auf einer Sammlung von Bildern lernt das Tool verschiedene Klassen zu unterscheiden. Zum Einlernen benötigt der Anwender lediglich Bilder, die den verschiedenen Klassen zugeordnet und entsprechend markiert sind.

Ein Anwendungsbeispiel ist die Prüfung der Schweißnähte eines Motor-Kolbens. Diese sind extrem unterschiedlich, wodurch die Erkennung von Anomalien schwierig wird. Bestimmte Anomalien wie fehlende, zu große oder zu kleine Schweißnähte sind unerwünscht. Andere Anomalien wie überlappende Nähte dagegen sind erlaubt und aus Sicherheitsgründen sogar erforderlich. Vidi Red Analyze erleichtert in Kombination mit dem Vidi-Green-Classify-Werkzeug die automatische Prüfung und Klassifizierung der Schweißnahtfehler.

Auch hier ist die Vorgehensweise zur Lösung der Aufgabe unproblematisch: Die Software wird vom Ingenieur im Supervised-Mode eingelernt. Hierfür werden auf Bildern, die als „Nicht in Ordnung“ eingestuft sind, die Fehler händisch im Tool markiert. Die Software lernt somit das Erscheinungsbild eines spezifischen Fehlers, und ist in der Lage, mit dem eingelernten Model in Bildern nach Fehlern zu suchen.

Im zweiten Teil der Prüfung klassifiziert der Ingenieur die Fehler mithilfe des Green-Classify-Tools nach ihrem jeweiligen Typ. Die Software extrahiert auf Basis des entwickelten Modells Informationen über bestimmte Fehler und separiert überlappende Nähte als eigene Klassifizierung. Auf Basis dieser Information ist der Automobilhersteller in der Lage, ausschließlich überlappende Nähte auszuwählen.

Lesen von Texten und Zeichen

Vidi Blue Read entziffert stark verformte, schiefe und schlecht geätzte Zeichen mit Hilfe der optischen Zeichenerkennung OCR. Die vorgeschulte Font-Bibliothek identifiziert den größten Teil des Textes ohne zusätzliche Programmierung oder Font-Training und ermöglicht damit eine schnelle und einfache Anwendung. Das robuste Tool kann so eingelernt werden, dass spezifische OCR-Anwendungsanforderungen eingestellt werden können. Hierfür ist kein spezifisches Know-how erforderlich.

Beispielsweise erkennt die Software verformte Zeichen bei der Prüfung der Fahrgestellnummer (VIN). Denn für eine erfolgreiche Rückverfolgbarkeit müssen die Hersteller in der Lage sein, die Fahrgestellnummer zuverlässig zu lokalisieren und zu dekodieren. Die Farbgebung sowie Spiegel- und Blendeffekte machen es für industrielle Bildverarbeitungssysteme aber schwierig, die Zeichen zu lokalisieren und zu erkennen. Mit Vidi Blue Read hingegen lassen sich verformte Zeichen nun trotz der anspruchsvollen Bilderstellung einfach lokalisieren und lesen.

Zum Einlernen der Software definiert ein Ingenieur die Zeichengröße auf Bildern mit einer repräsentativen Auswahl an VIN-Zeichen. Dank seiner vorinstallierten Omni-Schriftarten erkennt das Tool sogar Zeichen, die durch Blendeffekte und Kontraste verdeckt sind. Während der Einlern- und Validierungsphase kennzeichnet der Ingenieur immer nur die jeweils übersehenen Zeichen – und zwar solange, bis die Software in der Lage ist, alle Zeichen korrekt zu identifizieren. Dieser neue, auf Deep-Learning basierende Ansatz zu OCR spart beim Einlernen und bei der Entwicklung Zeit, indem er eine übermäßige Kennzeichnung vermeidet und Zeichen auf unruhigem Hintergrund erfolgreich liest. ■


Die Autorin

Cordula Odenthal

Marcom Specialist
– Central Europe

Cognex Germany

www.cognex.com

Anzeige

Video Roundtable Vision

Themenseite Control 2018

Spannende Beiträge rund um die Fachmesse für Qualitätssicherung

Videos Control 2018

Interessante Interviews und Produktvorstellungen von der Messe.

Quality Engineering

Titelbild QUALITY ENGINEERING 4
Ausgabe
4.2018
LESEN
ABO

Control 2018

Die Welt der Qualitätssicherung vom 24. bis 27. April 2018 zu Gast in Stuttgart

Newsletter

Unsere Dosis Wissensvorsprung für Sie. Jetzt kostenlos abonnieren!

Webinare & Webcasts

Technisches Wissen aus erster Hand

Whitepaper

Aktuelle Whitepaper zum Thema Qualitätssicherung

FORUM Qualitätssicherung

Das Forum für Qualitätssicherung bei additiven Verfahren

Anzeige

Industrie.de Infoservice

Vielen Dank für Ihre Bestellung!
Sie erhalten in Kürze eine Bestätigung per E-Mail.
Von Ihnen ausgesucht:
Weitere Informationen gewünscht?
Einfach neue Dokumente auswählen
und zuletzt Adresse eingeben.
Wie funktioniert der Industrie.de Infoservice?
Zur Hilfeseite »
Ihre Adresse:














Die Konradin Verlag Robert Kohlhammer GmbH erhebt, verarbeitet und nutzt die Daten, die der Nutzer bei der Registrierung zum Industrie.de Infoservice freiwillig zur Verfügung stellt, zum Zwecke der Erfüllung dieses Nutzungsverhältnisses. Der Nutzer erhält damit Zugang zu den Dokumenten des Industrie.de Infoservice.
AGB
datenschutz-online@konradin.de