Bild: Cognex Germany Inc.
inVISION: Die In-Sight D900 gibt es in den Versionen D902 und D905. Wie unterscheiden sich beide Geräte?
Ferraz: ViDi gibt es einerseits PC-basiert als Software und andererseits in der In-Sight D900 Smart-Kamera integriert. Die Smart-Kamera hat den Vorteil, dass sie alle Funktionalitäten zur Bilderzeugung/-vorverarbeitung liefert, z.B. HDR+ für gleichmäßigere Kontraste im Sichtfeld. Außerdem kann die Bildverarbeitung autark direkt auf der Kamera an der Linie stattfinden. Die letzte Ziffer in der Modellbezeichnung weist bei Cognex immer auf die Auflösung hin, die In-Sight D902 liefert also 2,3MP und die In-Sight D905 5MP Auflösung. Auch hinsichtlich der Software-Ausstattung gibt es zwei Varianten. Je nach Anforderungen als Vollversion oder mit applikationsspezifischen Funktionen.
inVISION: Ein weiterer Pluspunkt ist die Modularität. Welche Möglichkeiten ergeben sich, um das für sich perfekte Vision-System zu erstellen?
Ferraz: Schon bei der In-Sight 7000er Serie hat sich gezeigt, wie wichtig es ist, Systeme für unterschiedliche Umgebungen anpassen zu können. Deshalb war dies eine wesentliche Vorgabe bei der Entwicklung der In-Sight D900. Auch hier kann der Anwender aus verschiedenen, integrierten Beleuchtungsoptionen auswählen, sich zwischen Autofokus- oder manuell einstellbarem C-Mount-Objektiv entscheiden und mit verschiedenen Filtern und Abdeckungen das Licht polarisieren bzw. streuen.
inVISION: Für welche Anwendungen ist das Gerät ideal?
Ferraz: Der Einsatz von Deep Learning ist dann sinnvoll, wenn selbst gute Teile vor der Kamera so stark variieren, dass es sehr aufwändig wäre, über die Programmierung gut von schlecht zu unterscheiden. Das ist z.B. bei Anwendungen der Fall, wo optische Mängel toleriert werden, aber unbedingt von funktionalen Mängeln unterschieden werden müssen. Solche Aufgaben werden oft von Menschen ausgeführt, sind aber mit Deep Learning automatisierbar. Ein anderer Anwendungsfall ist, wenn die Präsentation des Teils vor der Kamera so stark variiert, beispielsweise durch wechselnde Perspektiven, Ausleuchtung oder Größe, dass auch hier die Programmierung sehr aufwändig wäre. Je mehr unvorhersehbare Variablen in der Ausgangssituation zu berücksichtigen sind, umso wahrscheinlicher ist es, dass ein Deep-Learning-Ansatz wirtschaftlicher und robuster funktioniert als eine regelbasierte Bildverarbeitung. Deep Learning auf einer Smart-Kamera ist dann sinnvoll, wenn Installation und Wartung der Lösung schlank gehalten werden soll, die komplette Anwendung also eigenständig auf der Kamera läuft. Die In-Sight D900 verbindet sowohl die Vorteile der In-Sight-Tools und Benutzeroberfläche als auch die Funktionen zur Bilderzeugung, Bildvorverarbeitung, Kommunikation usw.
