Direkt zum Inhalt
News 1. Februar 2018

Mit Bildverarbeitung zur digitalen Transformation

Die industrielle Bildverarbeitung ist eine der großen Themen der diesjährigen Automatica und Grundlage für die Mensch-Roboter-Kollaboration.
Mit Hilfe von Deep Learning können selbst kleinste Kratzer oder Risse in Leiterplatten oder Halbleitern zuverlässig gefunden und fehlerhafte Teile automatisch aussortiert werden.
Mit Hilfe von Deep Learning können selbst kleinste Kratzer oder Risse in Leiterplatten oder Halbleitern zuverlässig gefunden und fehlerhafte Teile automatisch aussortiert werden.

Die industrielle Bildverarbeitung ist eine der großen Themen der diesjährigen Automatica und Grundlage für die Mensch-Roboter-Kollaboration.

Die industrielle Bildverarbeitung eröffnet ihren Anwendern ständig neue Einsatzfelder für automatisierte Prozesse in nahezu allen Bereichen der industriellen Fertigung. "Die Technologie bewegt sich immer mehr von der Lösung von Einzelaufgaben hin zu einem integralen Bestandteil der Automatisierung", erläutert Dr. Norbert Stein, Geschäftsführer der Vitronic GmbH. "Die Einbindung von optischen Informationen in immer mehr Fertigungsschritten und -systemen führt zu einer Steigerung der erreichbaren Qualität und senkt den Ressourcenverbrauch durch frühzeitige Fehlererkennung und Trendanalysen."

Ein 3D-Erkennungssystem beim Einsatz zum Prüfen von Autotüren
Ein 3D-Erkennungssystem beim Einsatz zum Prüfen von Autotüren

Industrie mit Umsatzplus bei der Bildverarbeitung

Diese Entwicklung schlägt sich in den aktuellen Marktdaten des VDMA-Fachverbandes Robotik+Automation deutlich nieder: 2016 konnte die deutsche Bildverarbeitungsindustrie ihren Umsatz um 9 % auf eine Rekordsumme von 2,2 Mrd. EUR steigern. Für 2017 erwartet der Fachverband nach aktuellem Stand sogar ein weiteres Umsatzplus von 18 % und einen Branchenumsatz von 2,6 Mrd. EUR.

Ad

Dr. Olaf Munkelt, Geschäftsführer der MV Tec Software GmbH und Vorsitzender der VDMA Fachabteilung Industrielle Bildverarbeitung (IBV), nennt als Treiber dieser positiven Entwicklung zum einen den Export mit einer durchschnittlichen Wachstumsrate von 13 % pro Jahr zwischen 2012 und 2016 sowie zum anderen die Automobilindustrie: "Sie nutzt bereits seit Jahren als weltweit stärkster Kundenkreis die Vorteile der Bildverarbeitung, doch auch viele andere Branchen haben die Möglichkeiten dieser Technologie inzwischen erkannt und setzen sie zunehmend ein."

Trendthemen prägen Entwicklungen

Zahlreiche technische Trends führen momentan zu einschneidenden Veränderungen in der Bildverarbeitung und der industriellen Produktion. Schlagworte wie die digitale Transformation in der Fertigung, Produktions-Assistenzsysteme, das vermehrte Zusammenwachsen von Automatisierung und Bildverarbeitung, Robot Vision, Embedded Vision, Deep Learning und 3D-Bildverarbeitung prägen derzeit die Entwicklungen.

Embedded Vision als großes Thema

Kompakte Embedded Vision-Bildverarbeitungssysteme, die auf Basis von einfachen Kameramodulen direkt in Maschinen oder Geräten integriert sind, zählen zu den aktuellen Trendthemen der Branche. Mit Hilfe von leistungsstarken Rechnerplattformen mit geringer Leistungsaufnahme sorgen sie für intelligente Bildverarbeitung in verschiedensten Anwendungsgebieten. Der Bereich Automotive wird aufgrund der großen Stückzahlen als vielversprechendster Einsatzbereich für Embedded Vision angesehen. Die Technologie kommt dort schon heute in vielen modernen Automodellen unter anderem in Form von Fahrerassistenzsystemen zum Einsatz.

Der Bereich Automotive wird als einer der Einsatzbereiche für Embedded Vision angesehen. Die Technologie kommt dort schon heute in vielen modernen Automodellen in Form von Fahrerassistenzsystemen zum Einsatz.
Der Bereich Automotive wird als einer der Einsatzbereiche für Embedded Vision angesehen. Die Technologie kommt dort schon heute in vielen modernen Automodellen in Form von Fahrerassistenzsystemen zum Einsatz.

Deep Learning für mehr Effektivität

Einen weiteren, wichtigen Trend stellt derzeit das Thema Deep Learning dar. Anwendungsbeispiele finden sich in der Elektronikindustrie, wo sich Prüfprozesse weiter automatisieren und beschleunigen lassen, indem alle denkbaren Produktfehler durch selbstlernende Verfahren angelernt und dann erkannt werden. Selbst kleinste Kratzer oder Risse in Leiterplatten, Halbleitern und anderen Bauteilen können somit zuverlässig gefunden und fehlerhafte Teile automatisch aussortiert werden.

Auch im Automobilbau werden diese Verfahren eingesetzt, um etwa winzige Lackschäden, die mit bloßem Auge nicht zu erkennen sind, mit Hilfe selbstlernender Algorithmen zuverlässig zu identifizieren. In der pharmazeutischen Industrie ermöglicht Deep Learning eine zuverlässige Klassifikation von äußerlich ähnlichen Tabletten mit unterschiedlichen Wirkstoffen. Dies erhöht die Sicherheit von Patienten, die auf diese Medikamente vertrauen.

Mit 3D-Bildverarbeitung Anwendungen realisieren

Bildverarbeitungssysteme, die mit dreidimensionalen Daten der Prüfobjekte arbeiten wurden seit Jahren stark weiterentwickelt und sind nun Reif für die praktische Anwendung. Diesen Trend belegen auch aktuelle Marktzahlen des VDMA, die von 2015 zu 2016 eine deutliche Umsatzsteigerung von 28 % im Bereich der 3D-Anwendungen und -Produkte ausweisen.

Wachsende Automatisierungsanforderungen wie der "Griff in die Kiste" oder viele Pick&Place-Anwendungen werden erst mit 3D-Bildverarbeitung sinnvoll realisierbar. Kompakte und robuste 3D-Kameras erlauben eine immer einfachere Integration dieser Technologie.

Fokus auf einfache Bedienbarkeit

Künftige Vision-Systeme sollen nach Möglichkeit auch von Anwendern in Betrieb genommen werden können, die keine Bildverarbeitungsexperten sind. Diese Forderung nach mehr "Ease of Use" gilt sowohl für einfache Systeme, intelligente Kameras und Vision-Sensoren als auch für PC-basierte Bildverarbeitungssysteme.

"Die aktuelle technologische Entwicklung führt quasi zu einer Automatisierung der Automatisierung", bestätigt Enis Ersü, Vorstandsvorsitzender der Isra Vision AG: "Die Systeme werden immer leistungsstärker und sind gleichzeitig auch ohne Expertenwissen intuitiv bedienbar. Zukunftsorientierte Machine-Vision-Systeme, eingebettet in intelligente Sensornetzwerke, passen sich wechselnden Aufgaben an." Die daraus entstehenden Daten sind nach Ersüs Überzeugung "entscheidend für die flexible Prozess- und Produktionsanpassung, die die Smart Factory der Zukunft benötigt."

db

Passend zu diesem Artikel