Smarte Bildverarbeitung – das ermöglicht ab sofort die Kombination aus Embedded Vision und künstlicher Intelligenz. Damit lassen sich leistungsstarke, anpassungsfähige und skalierbare Lösungen in der Automatisierung umsetzen . Vor allem die Qualitätskontrolle profitiert von den Edge-KI-Systemen, bei denen die Verarbeitung direkt vor Ort und unabhängig von der Cloud erfolgt.

Embedded Machine Vision kombiniert leistungsstarke Bildverarbeitungstechnologien mit integrierten Hardwarelösungen. In Verbindung mit KI-gestützter Bildverarbeitung ermöglicht sie eine präzise, anpassungsfähige und automatisierte Qualitätskontrolle, die ohne externe Rechenressourcen auskommt. KI hilft, das Wissen und die Erfahrung der Anwender in automatisierte Systeme zu integrieren, sodass diese nicht nur eigenständig arbeiten, sondern durch gezielte Trainingsdaten auf bestimmte Aufgaben vorbereitet werden. Das macht die Systeme leistungsstärker und anpassungsfähiger, wobei der Programmieraufwand mit einem richtig aufgesetzten KI-Modell minimiert werden kann.

Ein praktisches Beispiel verdeutlicht dies: Ein Hersteller produziert Kunststoffsiebe mit einem Durchmesser von 100 mm. Am Ende des Fertigungsprozesses werden sie auf mögliche Verstopfungen und die Einhaltung der Toleranzen geprüft. Mit einem KI-gestützten Vision-System lässt sich dieser Prüfprozess effizient gestalten. Bereits 20 bis 30 qualitativ hochwertige Beispielbilder einwandfrei produzierter Siebe reichen aus, um das System für die Anomalie-Detektion zu trainieren. Bei den Egde-KI-Systemen von Imago funktioniert dies ohne Cloud-Anbindung, direkt im eingebetteten Vision-System. Nach Abschluss des Trainings erkennt die KI fehlerhafte Produkte und minimiert dadurch Ausschuss und Nacharbeit.

Flexible und skalierbare Lösungen

Die Klassifikation eröffnet zusätzliche Möglichkeiten. Verschiedene Kategorien wie „Sieb in Ordnung“, „Sieb verstopft“ oder „Sieb verschmutzt“ können mit einer ähnlichen Anzahl an Beispielbildern definiert werden. Diese Flexibilität macht die Technologie sehr vielseitig.
Die Leistung der KI hängt dabei von der jeweiligen Aufgabe ab. Zum Beispiel kann sie problemlos Produkte erkennen, die eine Toleranz von bis zu 20 Prozent vom Idealwert haben, aber für feinere Details, wie zum Beispiel einzelne defekte Löcher, könnte es nötig sein, das System mit zusätzlichem Wissen oder Aufwand zu trainieren. Hier zeigt sich ein weiterer Vorteil von eingebetteten Systemen: Sie bieten eine skalierbare Lösung, die genau an die spezifischen Anforderungen und Aufgaben angepasst werden kann.

Smart-Kameras versus Vision-Rechner

Die Wahl des richtigen Systems für KI-gestützte Bildverarbeitung hängt von den Anforderungen ab. Sowohl smarte Kameras als auch Vision-Rechner mit KI-Beschleunigung bieten Vorteile. Smarte Kameras sind All-in-One-Lösungen, die Bildaufnahme, KI-gestützte Verarbeitung und Auswertung in einem kompakten Gehäuse vereinen. Diese eignen sich für Anwendungen mit geringer Komplexität und moderaten Stückzahlen. Beispiel: Eine smarte Kamera kann Kunststoffsiebe mit einer Geschwindigkeit von 10 Stück pro Sekunde zuverlässig prüfen. Dabei überzeugt die Kamera durch ihre nahtlose Integration von Hardware und Software – keine zusätzliche Hardware oder tiefgreifende IT-Kenntnisse sind notwendig.
Für anspruchsvollere Anwendungen, wie die Prüfung von 100 oder mehr Sieben pro Sekunde, sind smarte Kameras jedoch an ihre Grenzen gebunden. Hier kommen Vision-Rechner ins Spiel. Ausgestattet mit leistungsstarken GPUs oder spezialisierten KI-Beschleunigern können sie riesige Datenmengen parallel verarbeiten und bieten die Rechenleistung, die für die Verarbeitung hoher Stückzahlen erforderlich ist.

Die Skalierbarkeit dieser Systeme ermöglicht es, Prozesszeiten zu verkürzen und anspruchsvolle Aufgaben wie die gleich­zeitige Analyse mehrerer Bilddatenströme zu bewältigen. Allerdings ist die Einrichtung und Integration eines Vision-Rechners komplexer und erfordert technisches Know-how.

Künstliche Intelligenz oder gewohnte Methoden?

Embedded Machine Vision in Kombination mit KI-gestützter Bildverarbeitung bietet eine revolutionäre Herangehensweise für viele industrielle Anwendungen. Doch statt klassische Bildverarbeitungsverfahren vollständig zu ersetzen, zeigt sich der wahre Mehrwert in der intelligenten Kombination beider Ansätze – besonders bei komplexen Prüfaufgaben.

KI kommt vor allem dann zum Einsatz, wenn klassische Bildverarbeitung an ihre Grenzen stößt – etwa bei komplexen Aufgaben oder variablen Bedingungen. Ein Beispiel: Die Erkennung von braunen Spuren auf der Oberfläche eines Kunststoffsiebs ist mit KI effizienter, da sie durch Mustererkennung auch kleinste Anomalien identifizieren kann.

KI ersetzt nicht alle klassischen Verfahren. Aufgaben wie die präzise Messung geometrischer Merkmale lassen sich oft schneller und genauer mit traditionellen Methoden lösen. Das bedeutet jedoch nicht, dass man sich zwischen beiden Ansätzen entscheiden muss. Vielmehr können sie sinnvoll kombiniert werden.

Ein Praxisbeispiel

Bleiben wir beim Sieb: Neben der Anomalieerkennung soll auch der Durchmesser gemessen werden. Muss der Hersteller dafür eine zweite Kamera oder zusätzliche Hardware einsetzen? Nein. Durch moderne Vision-Software, die KI mit klassischen Algorithmen wie denen aus der Halcon-Bibliothek kombiniert, kann das System beide Aufgaben mit nur einer Kamera bewältigen. Nach der KI-gestützten Erkennung von Anomalien übernimmt das System klassische Verfahren zur präzisen Durchmessermessung. Diese clevere Integration spart Kosten, reduziert den technischen Aufwand und ermöglicht eine vielseitige Anwendung – alles mit einer einzigen Lösung.

Vorteile der Embedded-Hardware

Die Box-PCs und Kameras von Imago werden durch den Einsatz neuronaler Netze zu leistungsstarken Inferenzcomputern und intelligenten Kameras. Das Unternehmen setzt bei der Hardware für klassische Bildverarbeitung als auch für KI auf Komponenten mit langer Verfügbarkeit. Neuronale Netze werden hardwarebeschleunigt direkt auf den Geräten ausgeführt. Dies ermöglicht Inferenzzeiten von wenigen Millisekunden. In Kombination mit der integrierten, echtzeitfähigen Signalverarbeitung kann die Hardware auch in High-speed-Prozessen eingesetzt werden. Die Modelle von Imago sind nicht nur intelligent, sondern auch im Hinblick auf Schnittstellen und Hardware-Design industrietauglich.

Autor
Christoph Siemon, Vice President Sales and R&D bei Imago Technologies