Mit dem neuesten Mitglied seiner Visor-Familie macht Sensopart die Einrichtung von Vision-Anwendungen deutlich einfacher. Dank der im Detektor ´Klassifikation (KI)´ gebündelten künstlichen Intelligenz lernt der Visor Object AI selbstständig charakteristische Unterscheidungsmerkmale anhand von wenigen Aufnahmen des zu detektierenden Objekts. Selbst starke Prozess- und Produktvariationen wie Schwankungen zwischen Chargen, Verschmutzungen, Reflexionen, veränderliche Form oder variierende 3D-Ausrichtung können ihm mit wenigen Mausklicks beigebracht werden. Anschließend ist der Sensor in der Lage, die vor dem Objektiv auftauchenden Objekte sicher zu erkennen und unterschiedlichen Klassen zuzuordnen. Für Anwesenheitsprüfungen können Bauteile als gut oder schlecht bewertet oder in bis zu 200 Klassen eingeteilt werden – beispielsweise um sicherzustellen, dass bei Produktvarianten stets die zum jeweiligen Produkt passenden Teile zugeführt und weiterverarbeitet werden.
Eine einmal eingelernte Klassifikation funktioniert zuverlässig, ohne dass sich der Anwender wie bei der klassischen, regelbasierten Bildverarbeitung (z.B. per Mustervergleich, Kontur- oder Kontrasterkennung) Gedanken über geeignete Detektionsregeln und Parameter machen muss. Denn der Vision Sensor ist lernfähig: In vielen Fällen genügen etwa fünf Probebilder pro Objektklasse, um einen stabilen Detektionsprozess zu erreichen. Der KI-Algorithmus ist im Sensor selbst implementiert und benötigt deshalb keinerlei Netzwerk- oder Cloudanbindungen.
Tankstutzen und Federn
Die Applikationsmöglichkeiten des neuen KI-Vision-Sensor sind vielfältig: In der Automobilproduktion kann er Bauteilvarianten unterscheiden und bestimmen, ob die jeweils passende Variante für eine bestimmte Fahrzeugausstattung vorliegt. In der Automobilfertigung werden oft verschiedene Fahrzeuge in ein und derselben Produktionslinie hergestellt. Der Visor Object AI kann beispielsweise sicherstellen, dass der richtige Tankdeckel-Typ im Auto eingebaut wurde. Im Gegensatz zu klassischen regelbasierten Methoden, die an ihre Grenzen stoßen, ist es für den KI-Vision-Sensor leicht, die verschiedenen, reflektierenden Tankstutzen-Typen voneinander abzugrenzen. Durch die Zuweisung einiger Beispielbilder jeder Klasse lernt der Detektor ´Klassifikation (KI)´ automatisch die verschiedenen Typen zu unterscheiden, indem er selbstständig zuverlässige Unterscheidungsmerkmale bestimmt. Positionsvariationen sowie Reflexionen können dem Detektor beigebracht werden und er lernt die notwendigen Merkmale. So erhält der Anwender auch bei stark variierenden Prozessen und Produkten zuverlässige Ergebnisse.
Auch bei der Zuführung flexibler, formveränderlicher Objekte wie Spiralfedern oder Kunststoffbeuteln erkennt der Sensor Falschteile oder Fehllagen. Werden in der Produktion unterschiedliche Federn mittels Vibrationswendelförderer zugeführt, muss sichergestellt werden, dass der richtige Feder-Typ den nachgelagerten Verarbeitungsschritt erreicht. Aufgrund der Beschaffenheit der Feder sieht selbst bei Federn desselben Typs jede einzelne Feder für die Kamera anders aus. Die Unterscheidung der Federn mit der regelbasierten Methode ist mit einem hohen Zeitaufwand verbunden, da viele Regeln definiert werden müssen. Mit dem Visor Object AI gelingt die zuverlässige Unterscheidung schnell und unkompliziert. Durch die Zuweisung weniger Beispiele jeder Klasse lernt der Detektor automatisch die verschiedenen Typen voneinander abzugrenzen. Im Vergleich zu klassischen Detektoren ist der KI-Vision-Sensor in der Lage, derartige Aufgaben mit deutlich reduziertem Einrichtungsaufwand und erhöhter Prozessstabilität zu lösen. Der Nutzer spart Zeit, da er keine logische Verknüpfung mehrerer Detektoren herstellen muss.
