KI & Bildverarbeitung: Die räumliche Verteilung von Merkmalen

Im ersten Teil der Reihe ging es um die grundsätzliche Bedeutung der Bildqualität für KI-gestützte Bildverarbeitung. Heute betrachten wir einen weiteren zentralen Aspekt: Wie sind die zu inspizierenden Merkmale räumlich verteilt?

Dieser Aspekt beeinflusst die Projektierung und Entwicklung eines Bildverarbeitungssystems gleich in mehrfacher Hinsicht und wirft unmittelbar die Frage nach den räumlichen Integrationsmöglichkeiten eines Machine-Vision-Systems auf.

Integration in bestehende Produktionsanlagen

Ein Bildverarbeitungssystem entsteht fast nie auf dem Reißbrett ohne Randbedingungen. In der Regel soll das optische Kontrollsystem in eine bestehende Anlage integriert werden. Bauraum, Taktzeit, Mechanik und Prozessführung sind bereits definiert.

Und manchmal zeigt sich sehr schnell: Die Physik lässt sich nicht überlisten.

Aufbau mit 4 Kameras die herabfallende Strassteine aufnehmen

Wenn lediglich 100 mm Bauraum zur Verfügung stehen, gleichzeitig aber ein Prüfbereich von 250 × 250 mm mit der geforderten Auflösung erfasst werden soll, stößt eine Einkameralösung schlicht an ihre Grenzen. In solchen Fällen braucht es alternative Konzepte statt Wunschdenken.

Gehen wir im Folgenden davon aus, dass grundlegende Parameter wie Brennweite, Mindestobjektdistanz (MOD) und Tiefenschärfe prinzipiell realisierbar sind. Dann rücken andere Fragestellungen in den Fokus.

Verhältnis von Prüfbereich zu Merkmalsgröße

Wie groß ist die zu inspizierende Fläche? Und wie klein sind die relevanten Merkmale im Vergleich dazu?

Aus diesem Verhältnis ergeben sich unter anderem:

Anzahl benötigter Kameras, Objektive und Beleuchtungen
Definition möglicher Überlappungsbereiche
Anforderungen an die Kalibrierung
Synchronisation der Bildaufnahmen

Je größer das Sichtfeld bei gleichzeitig hoher Detailanforderung, desto komplexer wird die Systemarchitektur.

Aufnahmen fallender Strasssteine aus vier Perspektiven

Geometrie der Oberfläche

Ist die zu inspizierende Fläche eben, gewölbt oder stufig?

Die Oberflächengeometrie beeinflusst direkt die Anforderungen an die Tiefenschärfe und damit die optische Auslegung des Systems.

Mögliche Ansätze sind:

Erhöhung der Tiefenschärfe durch kleinere Blendenöffnung
Einsatz von Focus-Stacking-Verfahren
Verwendung von Liquid-Lens-Systemen
Alternativ ein robotergeführter Scanvorgang mit einer oder mehreren Zeilen- oder Flächenkameras

Nicht jede Lösung ist prozessstabil oder wirtschaftlich sinnvoll. Entscheidend ist das Zusammenspiel von Mechanik, Optik und Taktzeit.

Anzahl der zu inspizierenden Seiten

Muss nur eine Seite geprüft werden oder mehrere?

Diese Frage bestimmt unmittelbar:

Gesamtanzahl der Kameras, Objektive und Beleuchtungen
Bewertung, ob eine Nachführung oder Drehung des Objektes erforderlich ist

Gerade bei mehrseitigen Inspektionen zeigt sich, wie stark die räumliche Verteilung der Merkmale die Systemarchitektur prägt.

Einfluss auf die Systemarchitektur

Im heutigen Beitrag stand damit die Frage im Mittelpunkt, wo und wie relevante Strukturen im Sichtfeld auftreten.
Die räumliche Verteilung ist kein Detail am Rande.
Sie ist eine der grundlegenden Stellgrößen in der Projektierung von KI-basierten Bildverarbeitungssystemen.

Im nächsten Teil der Reihe widmen wir uns den optischen Eigenschaften der Merkmale selbst.
Reflektierend oder diffus? Transparent, glänzend oder matt?

Denn hier entscheidet sich oft, welche Beleuchtungsstrategie wirklich funktioniert und ob die KI am Ende das sieht, was wir zu sehen glauben.

Wie beeinflusst die räumliche Verteilung der Merkmale Ihr Prüfkonzept? Teilen Sie gern Ihre Erfahrungen.