Einsatz von gespeicherten Bilddaten bietet deutlichen Mehrwert

Bild 2 | Das Tool SyncViewer bietet die Möglichkeit, in zahlreichen Bildern gleichzeitig denselben Ausschnitt zu sichten, um so Auffälligkeiten in den Bilddaten zu bewerten. (Bild: Fraunhofer-Institut für Optronik, Systemtechnik und Bildauswertung IOSB)

Vergleich von Systemen

Vorhandene Bilddaten helfen auch, um unterschiedliche Bildverarbeitungssysteme objektiv miteinander zu vergleichen. Viele Bildverarbeitungssysteme – gerade auch solche, die mittels maschinellen Lernverfahren klassifizieren – sind Black-Box-Systeme, deren Klassifikationseigenschaften nicht analytisch, z.B. durch Betrachtung der zur Klassifikation verwendeten Merkmale und Entscheidungsgebiete, erschlossen werden können. Hier kann die Betrachtung von anwendungsspezifischen Bilddaten helfen, um statistische Aussagen zu gewinnen oder das Systemverhalten anhand typischer Produkteigenschaften zu bewerten. Selbst wenn man das Ergebnis eines (bisherigen) Bildverarbeitungssystems nicht zur Verfügung hat oder nicht verwenden möchte, können die Bilder immer noch für unüberwachte Verfahren der Bildanalyse verwendet werden. Mittels Clustering-Verfahren lässt sich z.B. ermitteln, ob in den Bildern Auffälligkeiten enthalten sind, die ggf. durch das Bildverarbeitungssystem nicht erkannt worden sind, weil sie bisher nicht spezifizierte Defekte zeigen oder nach bisheriger Einschätzung nicht relevant waren. Solche Bilder können auch die Grundlage für weitergehende Verfahren des Data Mining bilden, um etwa den Produktionsprozess zu überwachen, Fehlerquellen in Produktionsketten zu analysieren oder Produktionsprozesse durch gezielte Variation von Prozessparametern zu optimieren.

Entscheidungen analysieren

Sind gespeicherte Bilddaten verfügbar, lassen sich im Nachhinein auch die Entscheidungen des Bildverarbeitungssystems zusätzlich zu Log-Dateien analysieren. Dies kann z.B. erforderlich werden, um bei Häufungen von Klassifikationsfehlern die Ursachen hierfür zu finden, etwa eine dunkler werdende Beleuchtung oder Schmutz auf der Linse. Außerdem helfen gespeicherte Bilddaten, längerfristige Produktveränderungen zu erkennen, die zu Änderungen in der Klassifikationsleistung von Bildverarbeitungssystemen führen können. Nicht nur landwirtschaftliche Produkte können je nach Jahreszeit ihr Aussehen verändern, so dass die ursprüngliche Einstellung des Bildverarbeitungssystems nicht mehr optimal ist. Der Vergleich von Bilddaten über längere Zeitspannen – ggf. mit unüberwachten Lernverfahren – kann helfen, um solche Veränderungen zu erkennen. Der Anwender kann in beiden Fällen eine solche Analyse durchaus auch selbst umsetzen, sofern eine entsprechende Software zur Speicherung, Strukturierung und Visualisierung verfügbar ist.

Schnellere Inbetriebnahme

Auch bei der Erstellung neuer Bildverarbeitungssysteme helfen gespeicherte Bilddaten aus ähnlichen Anlagen. Reale Daten lassen sich – ggf. mit passenden Änderungen oder Ergänzungen, etwa mittels Verfahren aus der Computergrafik – nutzen, um frühzeitig und parallel zur Erstellung der Produktionsanlage auch das Bildverarbeitungssystem zu konzipieren und zu parametrieren. Der Vorteil realer Bilddaten liegt darin, dass diese Daten bereits realitätsnahe Variationen beinhalten. Für den Kunden bedeutet dies eine schnellere Inbetriebnahme des Bildverarbeitungssystems, im Idealfall gleichzeitig mit der Produktionsanlage. Ein weiterer Vorteil besteht darin, dass anhand dieser Daten, die ohne großen Aufwand an die Hersteller der Bildverarbeitungssysteme gesendet werden können, der Vergleich mehrerer Systeme frühzeitig möglich ist und das beste ausgewählt werden kann, bevor die reale Produktion beginnt. Demgegenüber wird momentan meist eine geringe Anzahl von Musterteilen an die Hersteller übergeben, was langwierig und fehleranfällig ist und eine parallele Angebotserstellung durch die Hersteller verhindert.

Seiten: 1 2 3Auf einer Seite lesen

Themen:

| Fachartikel

Ausgabe:

inVISION 4 2019

Das könnte Sie auch Interessieren