Industrielle Bildverarbeitung mit Machine Vision Systems

Industrielle Bildverarbeitung, englisch Machine Vision, wertet Kamerabilder aus, um Bauteile in der Fertigung zu prüfen, zu vermessen, zu identifizieren oder ihre Lage zu bestimmen. Ein Machine Vision System besteht aus Beleuchtung, Objektiv, Kamera, Auswertesoftware und der Anbindung an die Steuerung. Erst diese Anbindung macht aus einem Bild eine Handlung: Die Anlage schleust ein Bauteil aus, führt einen Greifer oder speichert einen Messwert. In der Qualitätskontrolle übernimmt die Bildverarbeitung Sichtprüfungen, die sonst ein Werker an jedem Bauteil wiederholt.

Das Fraunhofer IPK gliedert maschinelles Sehen in der Produktion in sechs Schritte: Bildaufnahme, Bildverarbeitung, Merkmalsextraktion, Objekterkennung, Szenenverständnis und Entscheidung. Für die Planung einer Prüfstation sind der erste und der letzte Schritt besonders folgenreich, also ob das gesuchte Merkmal im Bild sichtbar ist und was mit dem Bauteil geschieht, wenn die Auswertung es als fehlerhaft einstuft.

Vier Aufgaben und wie sie bewertet werden

Die Einteilung bestimmt die Abnahme. Ein messendes System ist ein Messmittel und wird wie jedes andere bewertet, mit einer Messsystemanalyse und der Messunsicherheit. Für klassifizierende Systeme, die nur gut oder schlecht melden, gab es lange keine vergleichbaren Kennwerte. VDI, VDE und VDMA haben dafür die Richtlinie VDI/VDE/VDMA 2632 Blatt 3 herausgegeben (Oktober 2017). Sie führt Kenngrößen für die Klassifizierleistung eines Bildverarbeitungssystems ein und richtet sich an Anwender und Anbieter gleichermaßen. Blatt 3.1 (August 2020) beschreibt Verfahren, mit denen sich diese Leistung prüfen lässt, etwa bei der Abnahme.

Bauteil, Licht und Kamera festlegen

Das Fraunhofer IOSB-INA beginnt sein Seminar zur KI-basierten optischen Qualitätskontrolle mit Beleuchtung, Kamera und Objektiv. Erst danach folgen neuronale Netze, Training und die Anbindung an die Steuerung über OPC UA. Für eine Prüfstation gilt dieselbe Reihenfolge, denn ein Merkmal ohne Kontrast zum Hintergrund erkennt auch ein trainiertes Verfahren nicht verlässlich.

Legen Sie deshalb zuerst Lage, Abstand und Beleuchtung des Bauteils fest. Eine glänzende Fläche erscheint je nach Lichteinfall hell oder dunkel. Ein gekipptes Bauteil verändert bei einer Kantenmessung den Messwert, obwohl es maßhaltig ist. Probieren Sie mehrere Beleuchtungsrichtungen am selben Gut- und Schlechtbauteil aus, bevor Sie Auswertesoftware vergleichen.

Für die Kamera selbst hat die European Machine Vision Association mit EMVA 1288 festgelegt, wie Kenngrößen von Industriekameras und Bildsensoren gemessen und angegeben werden. Release 4.0 gilt seit Juni 2021. Verlangen Sie bei Angeboten das Datenblatt nach EMVA 1288, dann lassen sich Kameras verschiedener Hersteller auf derselben Grundlage vergleichen.

Pixelauflösung an einem Bauteil rechnen

Ein Rechenbeispiel mit angenommenen Werten: Eine Kamera bildet ein Sichtfeld von 60 mm Breite auf 2.400 Pixel ab. Ein Pixel entspricht damit 60 ÷ 2.400 = 0,025 mm am Bauteil. Ein Kratzer von 0,20 mm Breite überdeckt 0,20 ÷ 0,025 = 8 Pixel.

Wer die ganze Baugruppe mit einer Kamera aufnimmt, hat für denselben Kratzer nur noch zwei Pixel. Wie viele Pixel ein Merkmal braucht, hängt von Kontrast, Schärfe und Auswerteverfahren ab. Schreiben Sie die Mindestzahl ins Lastenheft und prüfen Sie sie an echten Bauteilen. Bei Messaufgaben ersetzt die Pixelgröße keine Messunsicherheit, die ergibt erst die Messsystemanalyse am fertigen Aufbau.

Klassifizierende Prüfung abnehmen

Für die Abnahme brauchen Sie einen Satz Bauteile, deren Zustand unabhängig von der Kamera feststeht, etwa durch zwei Prüfer mit Grenzmustern. Er lässt sich gezielt als Musterkatalog zusammenstellen, der auch seltene Fehler in ausreichender Zahl enthält. Bauteile aus der laufenden Produktion zeigen dagegen die echte Mischung. Bei gelernten Verfahren gehören Bilder, mit denen trainiert wurde, nicht in den Abnahmesatz.

Angenommen, der Abnahmesatz enthält 200 Gut- und 50 Schlechtbauteile. Die Kamera weist 6 Gutbauteile zurück und gibt 2 Schlechtbauteile frei. Der Pseudoausschuss liegt bei 6 ÷ 200 = 3 %, der Schlupf bei 2 ÷ 50 = 4 %. Ein einziges weiteres übersehenes Schlechtbauteil hebt den Schlupf auf 6 %. Mit 50 Schlechtbauteilen lässt sich der Schlupf also nur in Schritten von 2 Prozentpunkten angeben.

In der Serie sieht die Mischung anders aus. Bei 10.000 Bauteilen je Woche und einem angenommenen Fehleranteil von 0,5 % kommen 50 Schlechtbauteile an die Station, bei 4 % Schlupf gehen davon 2 durch. Gleichzeitig weist die Kamera 3 % der 9.950 Gutbauteile zurück. Das sind rechnerisch 298,5, also rund 300 Bauteile, die jemand nachprüfen muss. Schreiben Sie deshalb beide Raten mit eigenem Grenzwert in die Abnahmevereinbarung.

Prüfen Sie zum Schluss die Zuordnung an der Ausschleusung. Sitzt der Ausschleuser drei Bauteilplätze hinter der Kamera, muss das Ergebnis drei Takte lang mit dem richtigen Bauteil mitlaufen. Notieren Sie im Test Bauteilkennung, Aufnahmezeit und Ausschleusung, und vergleichen Sie, ob genau die zurückgewiesenen Bauteile im Ausschussbehälter liegen.

Was SYMESTIC zur Bildverarbeitung beiträgt

Die Auswertung der Kamerabilder übernimmt das Bildverarbeitungssystem. Das Cloud-MES SYMESTIC erfasst, was danach mit dem Bauteil geschieht. Ausschuss und Nacharbeit werden nach Gründen erfasst, von Hand oder automatisch aus dem Maschinensignal. Digitale Signale einer Anlage kommen über die IoT Box ohne Eingriff in die SPS, Daten aus OPC UA über das Cloud Gateway. Wo Werker nachprüfen, erfassen sie an der Station OK oder NOK je Bauteil mit Seriennummer, die Fehlerstelle auf dem Produktbild und den Grund aus dem Qualitätsdefekt-Katalog. Top-Fehlergründe, Fehlerquote in Prozent oder PPM und der First Pass Yield für serialisierte Bauteile zeigen den Verlauf.

Mehr dazu auf den Seiten zur Qualitätskontrolle, zum First Pass Yield und zu OPC UA.

Quellen

• Fraunhofer IPK: Industrielle Bildverarbeitung
• Fraunhofer IOSB-INA: Seminar KI-basierte optische Qualitätskontrolle
• VDI/VDE/VDMA 2632 Blatt 3: Industrielle Bildverarbeitung, Abnahme klassifizierender Bildverarbeitungssysteme, Ausgabe 2017-10
• VDI/VDE/VDMA 2632 Blatt 3.1: Prüfung der Klassifikationsleistung, Ausgabe 2020-08
• EMVA: EMVA 1288, Standard for Measurement and Presentation of Specifications for Machine Vision Sensors and Cameras, Release 4.0