IBV bildet Grundlage für die Mensch-Roboter-Kollaboration

Die Industrielle Bildverarbeitung (IBV) wird derzeit von einer ganzen Reihe richtungsweisender Entwicklungen beeinflusst. Embedded Vision, Deep Learning sowie 3D-Bildverarbeitung sind einige der Themen. Damit ­erschließen sich die IBV zurzeit völlig neue Anwendungsfelder. Gleichzeitig schafft sie die Grundlage für die Mensch-Roboter-Kollaboration und die digitale Transformation in der Fertigung. Die Automatica 2018 gibt vom 19. bis 22. Juni in München Einblicke in die aktuellen Entwicklungen.

Die Elektronikindustrie ist eines der wichtigsten Einsatzgebiete für Bildverarbeitungs- und Robotersysteme (Bild: Cognex)

Deep Learning für mehr Effektivität

Einen weiteren, wichtigen Trend stellt derzeit das Thema Deep Learning dar. Im Bildverarbeitungskontext sind damit Verfahren des maschinellen Lernens gemeint, bei denen einem System oft Tausende von Gut- und Schlechtbildern antrainiert werden, um Prüfobjekte anschließend automatisch den gelernten Kategorien zuordnen und beispielsweise über die Qualität von inspizierten Teilen entscheiden zu können. Anwender können verschiedene Klassifikationsaufgaben damit ohne die mühsame händische Anpassung von Operatoren lösen.
Anwendungsbeispiele finden sich unter anderem 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 beispielsweise winzige Lackschäden, die mit bloßem Auge nicht zu erkennen sind, mithilfe 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.