KI ist in der industriellen QS angekommen, die entscheidende Frage ist jedoch dieselbe geblieben: Welche Information steht dem Algorithmus zur Verfügung? Was in den Eingangsdaten nicht sichtbar ist, oder von Aufnahme zu Aufnahme stark variiert, kann weder eine klassische Bildverarbeitung noch ein KI-basiertes Modell zuverlässig auswerten. Gerade bei glänzenden, gebürsteten, polierten, beschichteten oder fein strukturierten Oberflächen reicht eine einzelne Aufnahme unter einem definierten Beleuchtungswinkel häufig nicht aus. Kratzer, Dellen, Risse, Verunreinigungen, Texturabweichungen oder lokale Veränderungen des Reflexionsverhaltens können je nach Lichtrichtung deutlich hervortreten, nahezu verschwinden oder von Reflexionen überlagert werden. Eine robuste Prüfung beginnt deshalb nicht erst beim Algorithmus zur Bildauswertung, sondern bereits vorher bei der physikalisch kontrollierten Bildaufnahme. Das Solino System von Opto setzt an dieser Stelle an. Der Sensor nimmt die Oberfläche nacheinander unter bis zu 64 bekannten Beleuchtungswinkeln auf. Aus diesem Bildstapel werden unterschiedliche Ergebnisbilder erzeugt. Diese CPI (Computational Particular Images) verdichten die Informationen mehrerer Einzelaufnahmen und können gezielt diejenigen Oberflächeneigenschaften herausstellen, die für eine Prüfaufgabe relevant sind.
Reflectance Transformation Imaging
Das visuelle Erscheinungsbild einer Oberfläche entsteht aus dem Zusammenspiel von Material, Mikro- und Makrogeometrie, Farbe, Beleuchtung und dem Beobachtungswinkel. Die bidirektionale Reflexionsverteilungsfunktion (BRDF), beschreibt physikalisch den Zusammenhang zwischen einfallender Bestrahlungsstärke und reflektierter Strahldichte in Abhängigkeit von Einfalls- und Beobachtungswinkel. Solino arbeitet mit einer festen Kameraperspektive und bis zu 64 definierten Beleuchtungswinkeln. Das System erfasst damit eine anwendungsbezogene, diskrete Abtastung des Reflexionsverhaltens. Solino nutzt die BRDF als physikalisches Modell und Informationsbasis, rekonstruiert jedoch nicht automatisch die vollständige BRDF einer Oberfläche. Das Aufnahmeprinzip basiert auf Reflectance Transformation Imaging (RTI). Das System nutzt den aufgenommenen Bildstapel zur Erzeugung merkmalspezifischer 2D-Bilder. Die Ermittlung von 3D-Informationen ist standardmäßig nicht aktiviert. OptoMedias ultrakompaktes Mini SFF bringt zuverlässige, schnelle Glasfaserverbindungen in Industriekameras der nächsten Generation. ‣ weiterlesen
Fiber Mini SFF für GigE Vision
CPI-Erzeugung
Das aktuelle System kombiniert eine 20MP-Farbkamera mit einem Beleuchtungsdome aus 64 Weißlicht-LEDs. Drei Varianten decken nominale Sichtfelder von 10×10, 25×25 und 50×50mm ab. Der Arbeitsabstand liegt bei 5mm; die objektseitige Auflösung reicht, abhängig von der Sichtfeld-Variante, von 2,7 bis 11,3µm pro Pixel. Solino wird als Plug&Play-Sensor mit der Software SolinoStudio geliefert. Diese steuert die Bildaufnahme und die Auswahl der CPI-Algorithmen zur Erzeugung merkmalspezifischer 2D-Bilder. Im Studio Playground lassen sich für Tests Kameraparameter wie Beleuchtungszeit und Verstärkungsfaktor, sowie die Anzahl der Aufnahmen und spezifische CPI-Algorithmen konfigurieren. Weitere integrierte Tools ermöglichen eine optimierte Stapelverarbeitung umfangreicher Probensätze unter Auswahl und Definition der vorher erprobten Konfigurationen. Für die Einbindung in kundenspezifische Software stehen das Opto-Imaging-Module-SDK und eine spezielle Solino CPI-Bibliothek für die Erzeugung der CPI-Ergebnisbilder bereit. Ein CPI ist dabei nicht einfach ein nachgeschärftes Kamerabild. Es entsteht aus mehreren definiert aufgenommenen Rohbildern und bildet eine ausgewählte Verarbeitung der winkelabhängigen Reflexionen ab. Je nach Verfahren können damit u.a. Texturen, gerichtete Gradienten, Glanzunterschiede, Strukturen oder farbliche Abweichungen kontrastreicher dargestellt und/oder störende Reflexionen und nicht relevante Merkmale reduziert werden. Ein CPI kann zwar prüfrelevante Unterschiede sichtbar machen, ist jedoch nicht automatisch eine rückführbare Messung von Rauheit, Welligkeit oder Neigung.
Anomalieerkennung auf Basis guter Teile
Die KI-Software CrivaAI ist für die automatisierte Überwachung industrieller Prüfungen ausgelegt und kann mit Solino zu einem synchronisierten Ablauf aus Aufnahme, CPI-Erzeugung, KI-Analyse und Ergebnisprotokollierung verbunden werden. Ein zentraler Ansatz ist das Training anhand repräsentativer Gutteile. Fehler müssen dafür nicht zwingend vorab in einzelne Klassen eingeteilt und pixelgenau markiert werden. Das Modell lernt den zulässigen Erscheinungsraum und kennzeichnet Abweichungen in neuen Aufnahmen als Anomalien. Die CrivaAI-Produktdarstellung beschreibt für einen konkreten Solino-Workflow den Start mit 50 einwandfreien Musterteilen. Diese Zahl ist als Beispiel zu verstehen, nicht als allgemeine Garantie: Der tatsächlich notwendige Datenumfang hängt u.a. von Bauteilvarianz, Positionierung, Oberflächenzustand, Prozessstreuung und geforderter Nachweisgrenze ab. Die Ergebnisse können als Anomalie-Heatmap, lokalisierte Auffälligkeit und OK-/KO-Entscheidung ausgegeben werden. Gleichzeitig lassen sich Prüfergebnisse speichern, um wiederkehrende Fehlermuster zu erkennen und Rückverfolgbarkeit sowie Ursachenanalysen zu unterstützen. Die Software ist für die Einbindung in bestehende Visionumgebungen und die Zusammenarbeit mit Systemintegratoren ausgelegt.
