Anzeige

Grafisch zur Lösung

Deep Learning mit grafischer Programmierumgebung

Mit VisionPro Deep Learning 2.0 stellt Cognex seine neueste Deep-Learning-basierte Software zur Bildanalyse vor, die speziell für die Fabrikautomatisierung entwickelt wurde. Eine grafische Benutzeroberfläche vereinfacht das Trainieren des neuronalen Netzwerks.

Bild: Cognex Germany Inc.Bild: Cognex Germany Inc.

Die Anwendung von Deep Learning-Methoden erforderte bislang ein solides Basiswissen in diesem Bereich. VisionPro Deep Learning verkleinert diese Einstiegshürde nun durch eine grafische Benutzeroberfläche und vereinfacht das Trainieren des neuronalen Netzwerks. Die Werkzeuge des Tools werden im Gegensatz zu traditionellen regelbasierten Bildverarbeitungsalgorithmen mit Bildern trainiert. Die grafische Benutzeroberfläche stellt eine einfache Umgebung zur Kontrolle und Entwicklung von Anwendungen zur Verfügung und reduziert den Aufwand für das Sammeln von Bildern, das Trainieren des neuronalen Netzwerks und dessen Test an verschiedenen Bildsätzen deutlich. Anwender*innen haben in VisionPro Deep Learning die Auswahl zwischen vier Tools zur Bildanalyse, die speziell für die Fabrikautomatisierung entwickelt wurden. Sie sind für Vision-Inspektionen in diesem Einsatzbereich optimiert und benötigen daher nur eine kleine Anzahl an Bildern, um ein schnelles Trainieren zu ermöglichen.

Bild: Cognex Germany Inc.Bild: Cognex Germany Inc.

Robust identifizieren

Das Tool Blue Locate ist für Aufgaben prädestiniert, bei denen Teile mit unterschiedlichem Erscheinungsbild erkannt oder gezählt werden müssen. Durch die robuste Auslegung identifiziert das Tool die gesuchten Merkmale auch auf unruhigem Hintergrund, kontrastarmen Teilen und Teilen, die sich verbiegen, ihre Form verändern oder schlecht beleuchtet sind. Selbst bei Abweichungen der Perspektive, Ausrichtung, Helligkeit, des Glanzes oder der Farbe lokalisiert Blue Locate die von Musterbildern gelernten Teile zuverlässig. Aus diesen Gründen eignet es sich unter anderem für den Einsatz in der automatisierten Montageüberprüfung.

Defekte erkennen

Wenn kleinste Fehler trotz vieler verschiedener Hintergründe und Oberflächentexturen von Teilen sicher gefunden werden müssen, ist das Tool Red Analyze zur Defekterkennung und -segmentierung ideal. Durch das Antrainieren von Beispielen guter und schlechter Teile ist es in der Lage, normale Abweichungen in Bezug auf das Aussehen zu tolerieren, Fehler, Verunreinigungen und andere Mängel jedoch sicher zu erkennen. Das Tool kann auch verwendet werden, um variable Bereiche in einem Bild zu segmentieren. Beispiele dafür sind Schweißnähte, geklebte oder lackierte Stellen, deren Abdeckung später mit traditionellen Bildverarbeitungstools gemessen wird, oder Hintergrundmerkmale, die dynamisch aus dem Bild ausgeblendet werden, um andere Prüfungen zu vereinfachen.

Klassifizieren

Das Tool Green Classify ist ein robuster Klassifikator, der verschiedene Objekttypen unterscheiden, Fehlertypen identifizieren und sogar gute und schlechte Teile klassifizieren kann. Nach dem Anlernen von gelabelten Bildern identifiziert es Objekte anhand ihrer gemeinsamen Merkmale wie Farbe, Textur, Material, Verpackung und Fehlertyp und teilt sie in Klassen ein. Dabei toleriert das Tool natürliche Abweichungen innerhalb derselben Klasse und unterscheidet zuverlässig akzeptable Varianten aus verschiedenen Klassen.

Lesen

Das Lesen und Erkennen von Schriften und Codes zählt zu den häufigsten Aufgaben von Visionsystemen. Häufig stellen dabei verformte, schiefe oder schlecht geätzte Zeichen eine echte Herausforderung dar, die durch den Einsatz des Tools Blue Read gemeistert werden können. Es nutzt eine vorab trainierte Deep-Learning-Schriftenbibliothek und erkennt auf dieser Basis selbst schwierige Zeichen sicher. Für die Anwendungsentwicklung müssen Nutzer*innen lediglich den Zielbereich festlegen, die Zeichengröße einstellen und die Zeichen in den Bildern kennzeichnen. In nur wenigen Schritten kann das Tool somit ohne Bildverarbeitungs- oder Deep-Learning-Kenntnisse antrainiert werden. Außerdem erkennt die optische Debug-Funktion falsch gelesene Zeichen, die dadurch leicht korrigiert werden können.

Das Beste aus beiden Welten

Sehr hilfreich ist die Fähigkeit zur Verkettung der verfügbaren Tools. So lassen sich komplexe Probleme in kleinere Einzelschritte zerlegen, um die Optimierung des Projekts zu vereinfachen und die Anzahl der erforderlichen Trainingsbilder zu reduzieren. Eine Besonderheit der neuen Software-Umgebung besteht zudem darin, dass Entwickler und Entwicklerinnen durch die Kombination mit den regelbasierten Vision-Bibliotheken der aktualisierten Software VisionPro 10.0 das beste Tool für die jeweilige Aufgabe wählen können. Projekte können dazu zunächst in der Entwicklungsumgebung von VisionPro Deep Learning 2.0 erstellt und anschließend in ein VisionPro 10-Projekt exportiert werden.

Cognex Germany Inc.

Dieser Artikel erschien in inVISION 5 (Oktober) 2021 - 27.09.21.
Für weitere Artikel besuchen Sie www.invision-news.de