Reflektionsanalyse

Reflektionsanalyse

Algorithmus analysiert Reflexionen von Objektpunkten

Ein neuer Algorithmus kombiniert Photometric Stereo Imaging mit der Analyse entstehender Reflektionen. Dazu werden unterschiedliche Beleuchtungswinkel realisiert und die Reflexionseigenschaften jedes einzelnen Objektpunktes analysiert.

Mit dem Solino-Algorithmus ist ein 0,0005mm Kratzer auf einer spiegelnden Fläche von 150x150mm mit einer 12MP-Kamera lokalisierbar. Um dies mit traditioneller Kameratechnik zu erfassen, bräuchte man eine virtuelle 90 Gigapixel-Kamera. (Bild: Opto GmbH)

Mit dem Solino-Algorithmus ist ein 0,0005mm Kratzer auf einer spiegelnden Fläche von 150x150mm mit einer 12MP-Kamera lokalisierbar. Um dies mit traditioneller Kameratechnik zu erfassen, bräuchte man eine virtuelle 90 Gigapixel-Kamera. (Bild: Opto GmbH)

Ganz normale Bildverarbeitungsaufgaben wie Vermessung, Farberkennung oder Form-/Lageerkennung können wir mit unserem Auge erkennen und mit unserem Gehirn mehr oder weniger auswerten und verarbeiten. Vieles davon kann heute bereits automatisiert und mit entsprechenden Sensoren gelöst werden. Allerdings kann eine Analysesoftware oder Algorithmus nur das verarbeiten, was er sieht bzw. was auf einen zweidimensionalen rechteckigen Sensor abgebildet wird. Reflexe, Schatten, oder einfach zu wenig Licht verhindern gelegentlich, dass ein Objekt, welches geprüft werden soll, überhaupt erkannt wird. Aufgrund physikalischer Gegebenheiten werden dann nicht alle Defekte, Kratzer, Kanten oder Farbunterschiede erkannt. Der Solino Algorithmus versucht diese Herausforderung zu lösen und eine 100% Erkennung, unabhängig von Umgebungslicht, Oberflächenbeschaffenheit oder Objektlage, zu ermöglichen. Er kombiniert das Photometric Stereo Imaging mit der Analyse der entstehenden Reflektionen. Die visuelle Erscheinung, wie wir Menschen Objekte wahrnehmen, z.B. Texturen, Strukturen oder Welligkeiten, wird für die Bildanalyse digital abgebildet. Dazu werden unterschiedliche Beleuchtungswinkel realisiert und die Reflexionseigenschaften jedes einzelnen Objektpunktes analysiert. Jedes Material reagiert individuell auf einfallendes Licht. Jede Struktur beeinflusst die Lichtstreuung und jeder Farbton ist eine individuelle Farbe. Somit erzeugt die Software für jeden Objektpunkt eine individuelle digitale Signatur, die dann je nach Anforderung ausgewertet wird.

Erkennung von 0,0005mm Kratzer

Es stehen damit pro Pixel viele hundert Informationen über den entsprechenden Objektpunkt zur Verfügung. Da Reflexe eine direkte Funktion der physikalischen Eigenschaften der zu untersuchenden Oberfläche sind, enthalten die Pixeldaten alle Informationen über die Beschaffenheit der Oberfläche. Durch die streuende Eigenschaft der Reflexe, wird mit der neuen Methode die laterale Auflösung signifikant gesteigert und somit auch kleinste Fehler auf großen Oberflächen erkannt. So ist z.B. ein Kratzer mit einer Größe von 0,0005mm, auf einer spiegelnden Fläche von 150x150mm mit einer standardisierten 12MP-Kamera, erkennbar und lokalisierbar. Um dies mit traditioneller Kameratechnik zu erfassen, bräuchte man eine virtuelle 90 Gigapixel-Kamera. Dadurch können Objektanomalien erkannt werden, die selbst für das menschliche Auge nicht sichtbar sind, da entweder die Auflösung, der Kontrast oder die Unterschiede so minimal sind, dass sie vom menschlichen Auge gar nicht als Fehler oder Abweichungen vom Normal erkannt werden. Der Algorithmus rekonstruiert aus vielen Einzelbildern das optimierte Bild für die Weiterverarbeitung. Da jede Aufnahme so viele Bildinformationen beinhaltet, ist es sinnvoll die zu erkennenden Fehler bzw. den Algorithmus auf die Objektproben anzupassen. Je genauer die Kalibrierung der Objektinformationen zum Algorithmus sind, desto schneller und zuverlässiger werden alle Merkmale dargestellt. All das macht den Algorithmus zu einem unerlässlichen Werkzeug für die Bildverarbeitung, für Deep-Learning-Lösungen genauso wie für statistische Big Data Auswertungen. Es sind prinzipiell alle Informationen über das zu untersuchende Objekt vorhanden, die nur noch entsprechend ausgewertet oder klassifiziert werden müssen. Anwendungsfelder ergeben sich z.B. in der Klassifizierung von organischen und anorganischen Materialien sowie der Mikroskopie. Dort ist es wichtig, dass jedes Bild wiederholbare Informationen bietet, um Vergleiche aussagekräftiger zu gestalten.

Ausgabe:
Opto GmbH
www.opto.de

Das könnte Sie auch Interessieren

Anzeige

Vorfreude auf Control 2022

Vorfreude auf Control 2022

Vom 03. bis 06. Mai 2022 wird die 34. Control – Internationale Fachmesse für Qualitätssicherung – in Stuttgart stattfinden.

EMVA Webinar mit Continental Teves

EMVA Webinar mit Continental Teves

Das nächste EMVA Spotlight Webinar findet am Donnerstag, den 9. Dezember, ab 16:00 Uhr (CET) statt. Nuria Garrido López (Continental Teves AG) wird über ‚Änderungen und Lösungen für die optische End-of-Line-Inspektion in der Automobilindustrie‘ sprechen.

EMVA Young Professional Award 2022

EMVA Young Professional Award 2022

Der EMVA Young Professional Award wird auf der 20. EMVA Business Conference 2022 vergeben, die vom 12. bis 14. Mai in Brüssel, Belgien, stattfindet.

Video: EMVA Vision Pitches – Robot Vision

Video: EMVA Vision Pitches – Robot Vision

Teil der inVISION Days 2021 Konferenz waren die EMVA Vision Pitches, bei der sich interessante Unternehmen aus der Bildverarbeitung mit einem kurzen zehn-Minuten-Pitch vorgestellt haben.

Neues Beiratsmitglied für TriEye

Neues Beiratsmitglied für TriEye

Das israelische Startup-Unternehmen TriEye hat Hans Rijns (Bild), eine Führungskraft aus der Halbleiterbranche mit über 25 Jahren internationaler Erfahrung in den Bereichen F&E-Management, Innovation und Geschäftsstrategie, in seinen Beirat aufgenommen.

Vision-Branche auf starkem Kurs

Vision-Branche auf starkem Kurs

Mehr als 1,5 Jahre nach dem Ausbruch der Corona-Pandemie befindet sich der Industrial Technology Index nach einer Stabilisierung auf einem anhaltend hohen Niveau.

Lattice übernimmt Miramterix

Lattice übernimmt Miramterix

Lattice Semiconductor hat Mirametrix, Inc. übernommen, ein Softwareunternehmen, das sich auf fortschrittliche KI-Lösungen für Computer-Vision-Anwendungen spezialisiert hat.

Bild: Alteia
Bild: Alteia
15 Millionen Euro Finanzierung für Alteia

15 Millionen Euro Finanzierung für Alteia

Die Europäische Investitionsbank (EIB) und das in Toulouse ansässige Startup Alteia, das sich auf die Entwicklung von Software für künstliche Intelligenz spezialisiert hat, haben die Unterzeichnung einer Finanzierungsvereinbarung über 15Mio.€ bekannt gegeben.

Micro-Epsilon erweitert Vertriebsteam

Micro-Epsilon erweitert Vertriebsteam

Micro-Epsilon hat sein Vertriebsteam verstärkt. Seit Oktober unterstützen Marcus Gluth (Bild) in den Bereichen Weg- und Abstandssensoren, berührungslose IR-Temperatursensoren sowie Farbsensoren und Jens Höppner im Bereich 3D-Sensoren und Laser-Scanner den Außendienst des Unternehmens.

Anzeige

Anzeige

Anzeige

Anzeige

Anzeige

Anzeige