Anzeige

Reflektionsanalyse

Ein neuer Algorithmus kombiniert Photometric Stereo Imaging mit der Analyse entstehender Reflektionen. Dazu werden unterschiedliche Beleuchtungswinkel realisiert und die Reflexionseigenschaften jedes einzelnen Objektpunktes analysiert.

Bild: Opto GmbHBild: Opto GmbH
Mit dem Solino-Algorithmus ist ein 0,0005mm Kratzer auf einer spiegelnden Fläche von 150x150mm mit einer 12MP-Kamera lokalisierbar. Um dies mit traditioneller Kameratechnik zu erfassen, bräuchte man eine virtuelle 90 Gigapixel-Kamera.

Erkennung von 0,0005mm Kratzer

Es stehen damit pro Pixel viele hundert Informationen über den entsprechenden Objektpunkt zur Verfügung. Da Reflexe eine direkte Funktion der physikalischen Eigenschaften der zu untersuchenden Oberfläche sind, enthalten die Pixeldaten alle Informationen über die Beschaffenheit der Oberfläche. Durch die streuende Eigenschaft der Reflexe, wird mit der neuen Methode die laterale Auflösung signifikant gesteigert und somit auch kleinste Fehler auf großen Oberflächen erkannt. So ist z.B. ein Kratzer mit einer Größe von 0,0005mm, auf einer spiegelnden Fläche von 150x150mm mit einer standardisierten 12MP-Kamera, erkennbar und lokalisierbar. Um dies mit traditioneller Kameratechnik zu erfassen, bräuchte man eine virtuelle 90 Gigapixel-Kamera. Dadurch können Objektanomalien erkannt werden, die selbst für das menschliche Auge nicht sichtbar sind, da entweder die Auflösung, der Kontrast oder die Unterschiede so minimal sind, dass sie vom menschlichen Auge gar nicht als Fehler oder Abweichungen vom Normal erkannt werden. Der Algorithmus rekonstruiert aus vielen Einzelbildern das optimierte Bild für die Weiterverarbeitung. Da jede Aufnahme so viele Bildinformationen beinhaltet, ist es sinnvoll die zu erkennenden Fehler bzw. den Algorithmus auf die Objektproben anzupassen. Je genauer die Kalibrierung der Objektinformationen zum Algorithmus sind, desto schneller und zuverlässiger werden alle Merkmale dargestellt. All das macht den Algorithmus zu einem unerlässlichen Werkzeug für die Bildverarbeitung, für Deep-Learning-Lösungen genauso wie für statistische Big Data Auswertungen. Es sind prinzipiell alle Informationen über das zu untersuchende Objekt vorhanden, die nur noch entsprechend ausgewertet oder klassifiziert werden müssen. Anwendungsfelder ergeben sich z.B. in der Klassifizierung von organischen und anorganischen Materialien sowie der Mikroskopie. Dort ist es wichtig, dass jedes Bild wiederholbare Informationen bietet, um Vergleiche aussagekräftiger zu gestalten.

Opto GmbH

Dieser Artikel erschien in inVISION 5 2018 - 30.10.18.
Für weitere Artikel besuchen Sie www.invision-news.de