Deutsch (DE) 
English (EN) 
KI in der Bildverarbeitung. Warum Bildqualität entscheidend ist.
KI in der Bildverarbeitung ist kein neues Thema. Wer so wie wir seit vielen Jahren Machine-Vision-Lösungen entwickelt, kennt die typischen Situationen bei der Inbetriebnahme einer Anlage nur zu gut.
Man stand an der Linie, hatte ein Dutzend Parameter vor sich und drehte bis weit nach Mitternacht an zwei Werten in der dritten Nachkommastelle, immer in der Hoffnung, dass es „jetzt endlich stabil läuft“.
Die Grundlage: Beleuchtung, Optik und Kamera als Gesamtsystem
Entscheidend ist immer die Auswahl und das Zusammenspiel der Komponenten. Beleuchtung, Optik und Kamera lassen sich nicht unabhängig voneinander betrachten.
Zu Beginn stellen wir deshalb einige grundlegende Fragen:
- Wie äußern sich die für die Inspektion relevanten Merkmale und wie groß sind sie?
- Wie sind diese Merkmale räumlich verteilt?
- Welche optischen Eigenschaften haben Merkmale und Trägermaterial, zum Beispiel glänzend, matt, transparent oder diffus reflektierend?
- Gibt es nur eine Merkmalsart oder mehrere?
- Ist das Trägermaterial homogen oder variiert es stark, eventuell sogar von Aufnahme zu Aufnahme?
Die Antworten auf diese Fragen definieren den Rahmen für jede weitere technische Entscheidung.
Praxisbeispiel: Detektion kleiner Kratzer
Sollen auf dem Frontscheinwerfer eines Autos kleine Kratzer erkannt werden, die eine minimale Breite von etwa 10 µm haben, wird man den gesamten Scheinwerfer nicht mit einer einzelnen 5-Megapixel-Aufnahme prozesssicher inspizieren können.
Für robuste Lösungen gilt eine einfache Faustregel:
Je nach Merkmalsausprägung sollten mindestens zwei bis drei Pixel über der kleinsten relevanten Struktur liegen.
Im genannten Beispiel entspricht das einer Objektauflösung von ungefähr 3,3 µm pro Pixel.
Abhängig von Bauteilgröße und Taktzeit legt das eher ein zeilenbasiertes Setup oder einer Kachel- bzw. Mehrbildstrategie nahe, als eine klassische Einzelaufnahme.
