Inndeo mit Hauptsitz im spanischen Saragossa bietet mit seiner Marke Inspectra Bildverarbeitungslösungen für die Automatisierung von Qualitätsprüfungen in der Lebensmittelindustrie an. Die Lösung Thermoseal & Label Inspector soll nun auch Verpackungen inspizieren und Etiketten lesen. Das Gerät vereint unterschiedliche Technologien wie Hochgeschwindigkeits- und Verarbeitungserfassung mit der hauseigenen HSP-Technologie, hyperspektraler Bildverarbeitung, Deep Learning und RGB.
Verpackungsinspektion durchgängig automatisieren
Inspectra hat sich zum Ziel gesetzt, für die Verpackungsbranche ein durchgängig automatisiertes System zu entwickeln. Die Effekte eines solchen Machine-Vision-Systems sind: höhere Erkennungsraten von Defekten der Verpackungen, Kostenersparnis sowie die Digitalisierung der Produktionsprozesse. Doch wie sieht das Setup des Thermoseal & Label Inspector aus? An verschiedenen Stellen innerhalb der Inspektionsumgebung positionierte Kameras nehmen Bilder der zu prüfenden Objekte auf. Diese werden von der integrierten Machine-Vision-Software Halcon des Münchener Unternehmens MVTec verarbeitet.
Für die versiegelten Bereiche ermittelt die Software auf Grundlage verschiedener Parameter den relevanten Prüfbereich (Region of Interest/ROI) des Bildes. Zu diesem Zweck verwendet Inndeo hochauflösende RGB-Vision-Technologie, um einfache Fehler auf versiegelten Flächen zu finden – wie etwa Schinkenstücke, deren Farbe in einer transparenten Schale leicht zu erkennen ist. Darüber hinaus setzt das Unternehmen hyperspektrale Bildverarbeitungstechnologie für komplexere Fehler ein. So kann beispielsweise geschmolzenes Schinkenfett, das den gleichen Farbton wie der Kunststoff der Schale hat, oder Fehler in undurchsichtigen oder bedruckten Schalen, erkannt werden. Die neunte Ausgabe von Rockwell Automations „State of Smart Manufacturing“ Report liefert Einblicke in Trends und Herausforderungen für Hersteller. Dazu wurden über 1.500 Fertigungsunternehmen befragt, knapp 100 der befragten Unternehmen kommen aus Deutschland. ‣ weiterlesen
KI in Fertigungsbranche vorn
Unter Einsatz von Deep Learning interpretiert die Software die Bilder mit einer höheren Erkennungsgeschwindigkeit und -effizienz und erkennt etwa Falten in Siegelfolien, Fehler in der Zusammensetzung des Produkts in der Schale und Qualitätsmängel.
Optische Zeichenerkennung
Ein weiteres Anwendungsszenario ist die Inspektion der Etikettierung sowie die Prüfung, ob sich Falten unterhalb des Etiketts gebildet haben. Um das Etikett zu erkennen, sucht ein konfigurierbares Werkzeug nach einem bestimmten Muster. Sobald dieses lokalisiert ist, erfolgen die Prüfprozesse. Dabei nutzt die Applikation die in die Halcon-Software integrierten Technologien zur optischen Zeichenerkennung wie OCR (Optical Character Recognition) oder Deep OCR, welche Texterkennungsfunktionen mit Deep-Learning-Algorithmen kombinieren. So lassen sich verschiedene Arten der Etiketteninspektion konfigurieren. Zur Erkennung von Anomalien der aufgebrachten Etikettierung wie etwa Falten, Knicken, Rissen oder Verunreinigungen wie etwa durch Federn, Haare oder Knochenspuren kommen ebenfalls Deep-Learning-Technologien sowie ein Musterabgleich von Farbtönen zum Einsatz. Der Thin[gk]athon, veranstaltet vom Smart Systems Hub, vereint kollaborative Intelligenz und Industrie-Expertise, um in einem dreitägigen Hackathon innovative Lösungsansätze für komplexe Fragestellungen zu generieren. ‣ weiterlesen
Innovationstreiber Thin[gk]athon: Kollaborative Intelligenz trifft auf Industrie-Expertise
Nahtlose Integration?
Für Endanwender ist es wichtig, dass das Inspektionssystem nahtlos in die vorhandene Prozessumgebung einbinden lässt. „Die Integration einer Schnittstelle war eine der größten Herausforderung bei der Umsetzung. Das liegt daran, dass sich die verschiedenen Parameter der Inspektion von einer anderen Systemsteuerung aus konfigurieren lassen und alle Bilder der verschiedenen Kameras in sehr kurzer Zeit analysiert werden müssen. Man darf dabei auch nicht außer Acht lassen, dass die Bildeinzugsgeräte mit enorm hoher Geschwindigkeit arbeiten. So muss die Bildverarbeitungssoftware in sehr kurzer Zeit entscheiden, ob eine Verpackung fehlerhaft ist und ausgesondert werden muss“, sagt Emilio de la Red Bellvis. So war eine Menge an Programmier- und Debugging-Arbeit nötig, um die gesamte Verarbeitungslast auf die verschiedenen Threads des Mikroprozessors zu verteilen. Darüber hinaus mussten Rechenoperationen mit hoher Last – vor allem solche, die Deep Learning nutzen – an den Grafikprozessor (GPU) des Rechners übertragen werden. Die Halcon-Software erleichterte die Integration, da sie beispielsweise diverse Schnittstellen für viele Arten von Industriekameras bietet. Hardware-seitig umfasst das Anwendungs-Setup verschiedene Komponenten, wie etwa mehrere Industrie-PCs der neuesten Generation. Diese empfangen die Bilder der einzelnen Kameras und kommunizieren mit Speicherprogrammierbaren Steuerungen (SPS). Dabei sah sich Emilio de la Red Bellvis mit einer weiteren Herausforderung konfrontiert: „Angesichts des derzeitigen Mangels an elektronischen Bauteilen mussten wir eine flexible Programmierung entwickeln. Dadurch konnten wir verschiedene Kameratypen, Verarbeitungsarchitekturen und GPUs berücksichtigen.“
Prozess automatisiert
Im Ergebnis hat Inspectra mit seinem Inspektionssystem sowie der integrierten Bildverarbeitungssoftware die Projektziele erreicht. Qualitätsmängel werden sowohl an der Verpackung als auch am Produkt selbst vermieden. Kosten für die Vernichtung, den Ersatz und den Transport von fehlerhaften Produkten werden reduziert. Zudem lässt sich die Qualitätskontrolle durchgängig automatisieren.
