ViDi Inside
Intelligente Deep-Learning-Kamera für Inline-Applikationen
Die intelligente Kamera In-Sight D900 von Cognex ist mit der ViDi-Deep-Learning-Software ausgestattet. Das in sich geschlossene System wurde entwickelt, um ein breites Spektrum an Inline-Inspektionsanwendungen zu lösen. inVISION sprach mit Ruben Ferraz, In-Sight Product Marketing Manager bei Cognex Europe, über das neue System.
Bild: Cognex Germany Inc.Was unterscheidet In-Sight D900 von anderen Smart-Kameras?
R. Ferraz: Der wesentliche Unterschied liegt in der Funktionalität. Bei der In-Sight D900 sind im Vergleich zu den meisten anderen Smart-Kameras Werkzeuge integriert, die auf Deep Learning basieren. Damit ersetzt das Trainieren weitestgehend eine Programmierung. Die In-Sight D900 verwendet die gleiche Plattform wie die anderen In-Sight Smart-Kameras, damit sie möglichst einfach ins komplette In-Sight-Ökosystem integrierbar ist. Außerdem sind Werkzeuge für eine regelbasierte Bildverarbeitung verfügbar, die mit den Deep-Learning-Tools im selben Auftrag kombiniert werden können. Dies ist sinnvoll, wenn z.B. ein Code gelesen und genaue Messung mit Millimeterangaben durchgeführt werden und gleichzeitig Defekte erkannt werden müssen, die nur mit Deep Learning lösbar sind.
Bild: ©WangAnQi/istockphoto.com / ©your_photo/istockphoto.com / ©MF3d/istockphoto.com / Cognex Germany Inc.Wie gut muss ich mich mit Deep Learning auskennen, um die Kamera auf meine Anwendungen anpassen zu können?
Ferraz: Deep Learning impliziert das Trainieren von möglichst vielen Bildern, um sicher zu sein, die richtige Entscheidung zu fällen. Das geschieht über eine intuitive GUI. Cognex bietet zudem ein dreitägiges Training an, bei dem Anwendern Strategien aufgezeigt werden, um das Verwalten, Klassifizieren und Minimieren der Trainingsbilder zu optimieren. Danach können auch Ingenieure ohne vorherige Deep-Learning- oder Programmierkenntnisse eine In-Sight-ViDi-Anwendung aufsetzen.
ViDi gibt es in verschiedenen Versionen. Welche kommen hier zum Einsatz und wie unterscheiden sich die einzelnen Versionen?
Ferraz: ViDi von ViDi Systems ist in seinen Kernfunktionen erhalten geblieben, aber auf die Cognex-Produkte angepasst worden. Kernfunktionen sind die Tools Locate (Lokalisieren), Read (OCR Lesen), Analyze (Defekterkennung) und Classify (Klassifizieren). In VisionPro ViDi sind diese Tools in die VisionPro-Programmierumgebung eingebunden. Bei In-Sight ViDi sind die Tools dagegen auf drei Anwendungsbereiche fokussiert und in Detect (Defekterkennung), Read (OCR) und Check (Vollständigkeitsprüfung) umbenannt.
Bild: Cognex Germany Inc.Die In-Sight D900 gibt es in den Versionen D902 und D905. Wie unterscheiden sich beide Geräte?
Ferraz: ViDi gibt es einerseits PC-basiert als Software und andererseits in der In-Sight D900 Smart-Kamera integriert. Die Smart-Kamera hat den Vorteil, dass sie alle Funktionalitäten zur Bilderzeugung/-vorverarbeitung liefert, z.B. HDR+ für gleichmäßigere Kontraste im Sichtfeld. Außerdem kann die Bildverarbeitung autark direkt auf der Kamera an der Linie stattfinden. Die letzte Ziffer in der Modellbezeichnung weist bei Cognex immer auf die Auflösung hin, die In-Sight D902 liefert also 2,3MP und die In-Sight D905 5MP Auflösung. Auch hinsichtlich der Software-Ausstattung gibt es zwei Varianten. Je nach Anforderungen als Vollversion oder mit applikationsspezifischen Funktionen.
Ein weiterer Pluspunkt ist die Modularität. Welche Möglichkeiten ergeben sich, um das für sich perfekte Vision-System zu erstellen?
Ferraz: Schon bei der In-Sight 7000er Serie hat sich gezeigt, wie wichtig es ist, Systeme für unterschiedliche Umgebungen anpassen zu können. Deshalb war dies eine wesentliche Vorgabe bei der Entwicklung der In-Sight D900. Auch hier kann der Anwender aus verschiedenen, integrierten Beleuchtungsoptionen auswählen, sich zwischen Autofokus- oder manuell einstellbarem C-Mount-Objektiv entscheiden und mit verschiedenen Filtern und Abdeckungen das Licht polarisieren bzw. streuen.
Für welche Anwendungen ist das Gerät ideal?
Ferraz: Der Einsatz von Deep Learning ist dann sinnvoll, wenn selbst gute Teile vor der Kamera so stark variieren, dass es sehr aufwändig wäre, über die Programmierung gut von schlecht zu unterscheiden. Das ist z.B. bei Anwendungen der Fall, wo optische Mängel toleriert werden, aber unbedingt von funktionalen Mängeln unterschieden werden müssen. Solche Aufgaben werden oft von Menschen ausgeführt, sind aber mit Deep Learning automatisierbar. Ein anderer Anwendungsfall ist, wenn die Präsentation des Teils vor der Kamera so stark variiert, beispielsweise durch wechselnde Perspektiven, Ausleuchtung oder Größe, dass auch hier die Programmierung sehr aufwändig wäre. Je mehr unvorhersehbare Variablen in der Ausgangssituation zu berücksichtigen sind, umso wahrscheinlicher ist es, dass ein Deep-Learning-Ansatz wirtschaftlicher und robuster funktioniert, als eine regelbasierte Bildverarbeitung. Deep Learning auf einer Smart-Kamera ist dann sinnvoll, wenn Installation und Wartung der Lösung schlank gehalten werden soll, die komplette Anwendung also eigenständig auf der Kamera läuft. Die In-Sight D900 verbindet sowohl die Vorteile der In-Sight-Tools und Benutzeroberfläche, als auch die Funktionen zur Bilderzeugung, Bildvorverarbeitung, Kommunikation usw. n @Kontakt _FA:www.cognex.com/D900
Die intelligente Kamera In-Sight D900 von Cognex ist mit der ViDi-Deep-Learning-Software ausgestattet. Das in sich geschlossene System wurde entwickelt, um ein breites Spektrum an Inline-Inspektionsanwendungen zu lösen. inVISION sprach mit Ruben Ferraz, In-Sight Product Marketing Manager bei Cognex Europe, über das neue System.
Bild: Cognex Germany Inc.Was unterscheidet In-Sight D900 von anderen Smart-Kameras?
R. Ferraz: Der wesentliche Unterschied liegt in der Funktionalität. Bei der In-Sight D900 sind im Vergleich zu den meisten anderen Smart-Kameras Werkzeuge integriert, die auf Deep Learning basieren. Damit ersetzt das Trainieren weitestgehend eine Programmierung. Die In-Sight D900 verwendet die gleiche Plattform wie die anderen In-Sight Smart-Kameras, damit sie möglichst einfach ins komplette In-Sight-Ökosystem integrierbar ist. Außerdem sind Werkzeuge für eine regelbasierte Bildverarbeitung verfügbar, die mit den Deep-Learning-Tools im selben Auftrag kombiniert werden können. Dies ist sinnvoll, wenn z.B. ein Code gelesen und genaue Messung mit Millimeterangaben durchgeführt werden und gleichzeitig Defekte erkannt werden müssen, die nur mit Deep Learning lösbar sind.
Cognex Germany Inc.
Dieser Artikel erschien in inVISION 1 Embedded World 2021 - 17.02.21.Für weitere Artikel besuchen Sie
