Spektrale Thermografie
Eine besondere Rolle spielt die spektral selektive Thermografie. Sie ist vor allem interessant, wenn klassische Temperaturmessungen durch Reflexionen, Flammen oder transparente Materialien erschwert werden. Durch die Auswahl geeigneter Wellenlängen lassen sich störende Einflüsse reduzieren. Als Anwendungen wurden u.a. Metalle, Glas, Verbrennungsprozesse, Öfen, Verpackungen und Lebensmittel genannt. Auch Messungen durch Flammen sind möglich. Bei Glas können bestimmte Spektralbereiche genutzt werden, während für Anwendungen rund um CO2-Laser andere Filterbereiche relevant sind. Zum Einsatz kommen u.a. Filterräder oder fest definierte spektrale Filter. Eine Herausforderung bleibt die begrenzte Dynamik der Detektoren. Die Auswahl des geeigneten Spektralbereichs hängt zudem stark von Temperatur und Anwendung ab. Gerade bei anspruchsvollen industriellen Messaufgaben eröffnet die spektrale Thermografie zusätzliche Möglichkeiten.
Kleinere Pixel, kompaktere Systeme
Ein weiterer Entwicklungstrend betrifft die Pixelgröße. Die Industrie bewegt sich von 17µm zunehmend zu 12µm und kleineren Pixeln. Dadurch lassen sich kompaktere Kameras und teilweise kleinere Optiken realisieren. Kleinere Pixel bedeuten allerdings nicht automatisch eine bessere Temperaturmessung. Das Messobjekt muss weiterhin ausreichend viele Pixel abdecken. Zudem setzen Beugung und optische Auflösung physikalische Grenzen. Eine kleinere Pixelstruktur kann nur dann vollständig genutzt werden, wenn das Objektiv entsprechend ausgelegt ist. Bei gekühlten Systemen sind inzwischen Pixelgrößen von etwa 5µm möglich. Das stellt hohe Anforderungen an die Optik. Auch Sensor-Binning kann sinnvoll sein, um Empfindlichkeit und Geschwindigkeit zu verbessern. Bei ungekühlten Systemen bleibt zusätzlich die Temperaturstabilität bei wechselnden Umgebungsbedingungen eine wichtige Herausforderung. OptoMedias ultrakompaktes Mini SFF bringt zuverlässige, schnelle Glasfaserverbindungen in Industriekameras der nächsten Generation. ‣ weiterlesen
Fiber Mini SFF für GigE Vision
Smart Cameras und Edge Computing
Auch die Auswertung wird zunehmend intelligenter. Smart Cameras können bereits heute Aufgaben wie Bewegungserkennung, Merkmalextraktion oder definierte Temperaturauswertungen direkt ausführen. Künftig dürfte die lokale Verarbeitung weiter zunehmen. Bei anspruchsvolleren KI-Anwendungen reicht die Rechenleistung innerhalb der Kamera jedoch häufig nicht aus. Maschinelles Lernen wird deshalb vielfach auf externe Rechner oder Edge-Systeme ausgelagert. Dort stehen mehr Rechenleistung und flexiblere Softwareumgebungen zur Verfügung. KI wird dabei vor allem dort eingesetzt, wo klassische Auswerteverfahren an Grenzen stoßen. Bestimmte Anwendungen können bereits weitgehend autonom betrieben werden. Nach einer einmaligen Konfiguration kann eine Kamera definierte Messfelder überwachen, Temperaturen berechnen und die Ergebnisse über 4-20mA oder Profinet an eine Steuerung übertragen. Ein dauerhaft angeschlossener PC ist dafür nicht zwingend notwendig. Edge Computing gewinnt in diesem Zusammenhang an Bedeutung. Die Verarbeitung erfolgt auf Industrie-PCs oder vergleichbaren Systemen, teilweise mit webbasierten Bedienoberflächen. Gleichzeitig steigen die Anforderungen an die Cybersecurity, da OT- und IT-Systeme stärker miteinander verbunden werden.
