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.

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.

Robust identifizieren

Bild: Cognex Germany Inc.

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.

Seiten: 1 2Auf einer Seite lesen

Anzeige

Das könnte Sie auch Interessieren

Bild: Ametek GmbH - Creaform Deutschland GmbH
Bild: Ametek GmbH - Creaform Deutschland GmbH
Kostenfreies Webinar ‚Robot Vision‘

Kostenfreies Webinar ‚Robot Vision‘

Am Dienstag, den 28. September, findet ab 14 Uhr im Rahmen der inVISION TechTalks das kostenlose Webinar ‚Robot Vision‘ statt. In drei 20-minütigen Präsentationen stellen Wenglor, Vecow und Lucid Vision aktuelle Trends bei Software für die Roboterführung, KI-Plattformen für autonome geführte Robotik und Time-of-Flight-Kameras für Robotik und Automation vor.

Bild: Matrix Vision GmbH
Bild: Matrix Vision GmbH
KI-gestützte Sprunganalyse beim Trampolinturnen

KI-gestützte Sprunganalyse beim Trampolinturnen

Wenn es um Podiumsplätze geht, sind Millisekunden und Millimeter entscheidend. Diese Feinheiten sollen für Trampolin-Trainer und -Sportler des Deutschen Turner-Bundes (DTB) zukünftig über ein neues Projekt, welches auf einem bildbasierten System von Simi Reality Motion Systems basiert, visualisiert und dokumentiert werden. Für die passenden Videoaufnahmen sorgen Industriekameras von Matrix Vision.