Für den führenden Hersteller von High-End Leiterplatten AT&S entwickelte das Know-Center einen KI-Algorithmus. Dieser erkennt nicht nur die Bilder der Leiterplatten richtig, sondern liefert auch zusätzlich eine Erklärung, warum eine Leiterplatte als defekt oder intakt erkannt worden ist.

Bildverarbeitungs-Software

Fertigungsautomation

Bildverarbeitung

Künstliche Intelligenz für die Qualitätssicherung

Industrie 4.0

Industrie 4.0 für die Qualitätssicherung

Bildverarbeitung, Machine Vision

AT&S nutzt „smarte“ Qualitätskontrollen

Die MVTec Software GmbH, internationaler Software-Anbieter für die industrielle Bildverarbeitung, bringt am 17. November 2021 die neue Version 21.11 der Machine-Vision-Standardsoftware HALCON auf den Markt.

Version 21.11 der Machine-Vision-Software HALCON

Messdatenerfassung, Software

Software

Machine Learning / Künstliche Intelligenz für die spanende Fertigung

Industrie 4.0 für die spanende Fertigung

Messe Vision

qz-online.de

MVTec erweitert Deep-Learning-Spektrum

Das einjährige Jubiläum der KI- und Bildverarbeitungs-Plattform visionpier hat die IDS Imaging Development Systems GmbH zum Anlass für ein erstes virtuelles Community-Treffen genommen.

KI- und Bildverarbeitungs-Plattform

Online-Marktplatz visionpier

Prof. Marco Huber vom Fraunhofer-Institut für Produktionstechnik und Automatisierung IPA erklärt die Gründe, warum Menschen und KI-Systeme Hand in Hand arbeiten können und sollten.

Univ.-Prof. Dr.-Ing. habil. Marco Huber, Leiter Zentrum Cyber Cognitive Intelligence CCI , Abteilungsleiter Bild- und Signalverarbeitung, Leiter KI-Fortschrittszentrum am Fraunhofer-Institut für Produktionstechnik und Automatisierung IPA in Stuttgart.

Bildverarbeitungssysteme

Messe Control

Künstliche Intelligenz (KI) als Werkzeug einsetzen

Die MVTec Software GmbH präsentiert zusammen mit AAEON Technology Inc. und der Basler AG ein einfach zu bedienendes Machine-Vision-Bundle mit integrierten Deep-Learning-Technologien.

Das „UP Squared Pro AI Vision Development Kit“ ermöglicht Bildverarbeitungsapplikationen mit easy-to-use Deep Learning Technologien

16:9

Deep Learning

Datenanalyse

Machine Learning

Kameras

Machine Learning für die Qualitätssicherung

MVTec, AAEON und Basler bieten gemeinsames Deep-Learning-Bundle

Das All-in-One Embedded-Vision-System IDS NXT ocean von IDS Imaging Development Systems kann mehrere neuronale Netze für mehrere ROI in einem Bild einsetzen.

Die Industriekamera IDS-NXT nutzt künstliche Intelligenz

 Softwareupdate und Probemonat für die KI-Trainingssoftware IDS NXT ocean

Fraunhofer-Geschäftsbereich Vision zeigt zur Control 2022 eine Auswahl aktueller Mess- und Prüfsysteme mit Bildverarbeitung für die Qualitätssicherung in der Produktion.

Zentrales Exponat von Fraunhofer Vision auf der Control 2022: Der Roboter, der durch KI-basierte Algorithmen gesteuert wird, pickt Bauteile aus einer Kiste einzeln auf und positioniert sie korrekt vor drei unterschiedlichen Sensoren.

Fraunhofer Vision auf der Control 2022

Messsysteme

Dienstleistungen

Kalibrierdienste

Messtechnik

Optische 3D-Messsysteme

Optische Mess- und Prüftechnik

Schichtdickenprüfgeräte

Werkstoffprüfung

Qualitätssicherung

Sensoren,  optische

Sensoren / Messwertaufnehmer

Zerstörungsfreie Werkstoffprüfung

Optische Mess- und Prüfverfahren

Qualitätssicherung Kunststoff

Machine Learning als Schlüsseltechnologie für die Qualitätssicherung mit Bildverarbeitung

Die Bildverarbeitungssoftware HALCON 22.05 von MVTec eröffnet durch die Erkennung von logischen Anomalien in Bildern völlig neue Anwendungsbereiche.

Die MVTec Software GmbH veröffentlicht am 25. Mai 2022 die neue Version 22.05 der Machine-Vision-Standardsoftware HALCON.

Software für Qualitätssicherung

HALCON 22.05 setzt mit Deep-Learning-basierter Anomalieerkennung neue Maßstäbe

Das aktuelle Software-Release 2.6 für das KI-Vision-System IDS NXT stellt insbesondere die vereinfachte App-Erstellung in den Mittelpunkt.

Block-basierter Editor: Vision Apps mit vordefinierten Blöcken aufbauen

Web & Mobile Programmierung

Optoelektronische Bilderkennung, Bildverarbeitungssysteme

Blockbasierter Editor: Vision Apps ohne Programmierkenntnisse konfigurieren

Im Interview erklären Nikolaus Tichawa, Geschäftsführer der Tichawa Vision GmbH, und Mario Bohnacker, Produktmanager bei MVTec, die Vorteile des Shape from Shading Verfahrens.

EInfacher Einsatz von Shape from Shading | Kombination mit Halcon-Software | Einsatzfähige Lösung für die Qualitätssicherung | ➤ Jetzt lesen!

Bildverarbeitungskomponenten

Beleuchtungssysteme für die Bildverarbeitung

„Unsere Kamera nimmt im 10-Mikrosekunden-Takt auf“

MVTec hat die Bildverarbeitungssoftware MERLIC erweitert: Neben Deep-Learning-Funktionen Anomaly Detection and Classification (ab MERLIC 5) sowie Deep OCR (ab MERLIC 5.1) kommt nun Global Context Anomaly Detection hinzu.

Seit 20. Oktober 2022 ist die neueste Version 5.2 der easy-to-use Bildverarbeitungssoftware MERLIC auf dem Markt.

Erweitertes Feature-Set der Bildverarbeitungssoftware MERLIC | Global Context Anomaly Detection als neues Deep-Learning-Feature | MVTec Software | ➤ Jetzt informieren!

Machine Vision: Neue easy-to-use Deep-Learning-Funktionen in MERLIC 5.2

Für die optische Qualitätssicherung bietet Optometron All-in-One Lösungen, die alles enthalten: Optik, Beleuchtung, Kamera und Software.

Analysegeräte

Oberflächeninspektion

Form- / Oberflächenmesstechnik

Mikroskope

Qualitätsmanagement

Bildsensoren

Software für Optische Messtechnik

Alles drin

Deep Learning macht viele neue Anwendungen möglich. Gerade in der Fertigungsautomation ist es praktisch, wenn KI direkt auf Industriekameras ausgeführt wird.

KI-Vision: industrietauglich und anwenderfreundlich

Bildverarbeitungstechnologie von IDS ermöglicht Unternehmen ihre Produktqualität zu verbessern, Ressourcen einzusparen und umweltfreundlicher zu produzieren.

Bildverarbeitung ermöglicht ressourcenschonendes, gezieltes Bewässern von Pflanzen.

Prozessoptimierung

Wirtschaft

Prozessmanagement

Nachhaltigkeit

Umweltmanagement

Mit Industriekameras zu Nachhaltigkeit in Produktion und QS

Die Vorzeichen für die 30. Auflage der VISION, der Weltleitmesse für Bildverarbeitung, sind sehr gut. Vor allem stimmen die hohen Ausstellerzahlen positiv.

Auf der Weltleitmesse werden 400 nationale sowie internationale Aussteller erwartet: Komponentenhersteller, Systemanbieter und Integratoren.

Mikroskope mit digitaler Bildverarbeitung

Qualitätsplanung

Qualitätsmethoden

Qualitätsnachweise

Positive Vorzeichen für die VISION 2022

Wie KI in der industriellen Bildverarbeitung die Qualität verbessert

Deep Learning als Methode der industriellen Bildverarbeitung kann Qualitätssicherung auf eine neue Stufe heben. Ein Beispiel findet sich bei Bosch Car Multimédia in Portugal.

Deep Learning als Methode der industriellen Bildverarbeitung kann die Automatisierung, etwa in der Qualitätssicherung, auf eine neue Stufe heben. Davon profitiert auch Bosch Car Multimédia in Portugal. Mithilfe der Bildverarbeitungssoftware Merlic und ihrer Deep-Learning-Methoden wird die Qualitätsinspektion von Elektronikkomponenten verbessert.

Als das Auge der Produktion wird die industrielle Bildverarbeitung (Machine Vision) häufig beschrieben. Denn die Technologie automatisiert beispielsweise manuelle Tätigkeiten, bringt Robotern das Sehen bei und übernimmt mit einer einzigartigen Genauigkeit Qualitäts- und Inspektionsaufgaben.

Künstliche Intelligenz und insbesondere Deep-Learning-Methoden verleihen der Technologie zusätzlichen Schwung. Immer mehr Anwendungen profitieren von Machine Vision, die bislang nicht entsprechend automatisiert werden konnten. Darüber hinaus kann die Leistung bestehender Applikationen zum Teil erheblich verbessert werden. So gut wie alle Industriebranchen, wie Elektronik- und Halbleiterfertigung, oder sogar die Landwirtschaft profitieren von den Vorteilen.

Auch das Unternehmen Bosch setzt auf die Vorteile von Machine Vision in Verbindung mit Deep Learning. Im konkreten Fall nutzt die Mobilitätssparte des Technologie- und Dienstleistungsunternehmens Machine Vision, um die Qualität von elektrischen Verbindungen zwischen Platinen und Sensoren zu prüfen. Das weltweit aufgestellte Unternehmen unterhält auch Standorte in Portugal. Dort werden unter anderem Systeme und Funktionen in den Bereichen Fahrzeugsicherheit und -dynamik, Fahrerassistenz, automatisiertes Fahren und Car Multimedia entwickelt und hergestellt.

Bei der Fertigung seiner Elektronikkomponenten für verschiedene Kunden aus der Automobilbranche wurde nun die Qualitätsinspektion umgestellt. „Wir hatten bereits zuvor einen automatisierten Prüfprozess. Um diesen weiter zu optimieren, haben wir uns für eine Machine-Vision-Software mit Deep-Learning-Methoden entschieden. Dadurch wollen wir sowohl unsere Produktivität steigern als auch die Arbeiten an der Bildverarbeitungsapplikation verringern“, erklärt João Paulo Silva, Prüfexperte aus der Abteilung „Center of Competence Optics and Mechanics“ bei Bosch Automotive Electronics in Portugal.

Bei der Anwendung geht es darum, Metallfedern auf Defekte zu prüfen. Diese Metallfedern bilden die elektronische Verbindung zwischen der Hauptplatine und einer Kupferdurchführung auf der Abdeckung eines Sensors. Da die Bearbeitung manuell durchgeführt wird, können bei der Produktion unterschiedliche Defekte an der Metallfeder auftreten. Diese müssen zuverlässig erkannt werden, um den hohen Qualitätsstandard eines Automobilsensors zu erreichen.

Bislang wurde der Inspektionsprozess unter Verwendung regelbasierter Methoden der industriellen Bildverarbeitung durchgeführt. João Paulo Silva und sein Team entschieden sich, den Prozess mit neuen Methoden und Komponenten zu optimieren und dabei auf moderne Deep-Learning-Technologien zu setzen. „Mit der Umrüstung verfolgten wir drei Ziele: Erstens soll die Qualität der Inspektion insgesamt verbessert werden. Zweitens soll die neue Lösung auch kostengünstiger sein und drittens die Wartungsarbeiten für die Anwendung reduzieren.“

Bei der Suche nach einer neuen Software wurde Bosch bei der Machine-Vision-Software Merlic von der Firma MVTec Software fündig. Das Unternehmen MVTec ist ein internationaler Software-Hersteller für die industrielle Bildverarbeitung. „Wir arbeiten bereits seit langem mit MVTec zusammen. Merlic hat den Vorteil, dass es besonders nutzerfreundlich ist, über eine hohe Flexibilität und gleichzeitig über moderne Funktionalitäten verfügt. Außerdem können wir uns in die Merlic-Roadmap einbringen. Dadurch wird unser Input für die Weiterentwicklung der Software, etwa zu Funktionalitäten, die wir benötigen, berücksichtigt“, erklärt Silva.

Die Technologie, die Bosch für die neugestaltete Machine-Vision-Applikation benötigte, heißt Global Context Anomaly Detection. Die Deep-Learning-basierte Technologie ist eine Weiterentwicklung der klassischen Anomaly Detection. Der Vorteil von Global Context Anomaly Detection: Sie ist in der Lage, komplett neue Varianten von Anomalien wie beispielsweise fehlende oder falsch angeordnete Bauteile zu erkennen. Damit ist die Fehlererkennung nicht mehr auf lokale Defekte beschränkt, sondern ermöglicht gleichsam die kontextabhängige und logische Inspektion. Dies eröffnet ganz neue Anwendungsmöglichkeiten. So können fehlende oder falsch installierte Bauteile oder fehlende Beschriftungen identifiziert oder Vollständigkeitsprüfungen durchgeführt werden.

Neuronale Netze prüfen auf  lokale und logische Defekte

In dieser Applikation sieht die Bildverarbeitung wie folgt aus: Eine Fünf-Megapixel-Kamera nimmt für jedes Bauteil ein Bild von oben auf. Als Lichtquelle kommt eine polarisierte Flachkuppelbeleuchtung zum Einsatz. Auf den aufgenommen Bildern mit den Metallfedern erfolgt mit Global Context Anomaly Detection die Inspektion. Die Deep-Learning-Technologie verfügt über zwei neuronale Netze. Das lokale Netz prüft, ob kleinflächige Defekte wie Kratzer, Risse oder Verschmutzungen vorliegen. Das globale Netz geht einen Schritt weiter und prüft, ob logische Fehler vorliegen. Beispielsweise ob die Metallfedern verbogen sind, sie komplett fehlen oder andere Komponenten rund um die Metallfedern fehlen. Aus der Interferenz der beiden Netze ermittelt Global Context Anomaly Detection einen Anomaly Score. Dieser Wert wird anschließend mit dem im Vorfeld festgelegten Anomaly-Schwellenwert verglichen. Liegt der Anomaly Score darüber, handelt es sich per Definition um ein fehlerhaftes Bauteil, das dann als Nicht-OK (NOK) ausgesondert wird.

Der Anomaly-Schwellenwert ist innerhalb der Software manuell einstellbar. Das heißt, der Bildverarbeitungsspezialist kann individuell bestimmen, wie stark die Anomalien sein dürfen, bevor ein Bauteil als NOK eingestuft wird. Das ist etwa für die Bearbeitung von unterschiedlichen Materialien nützlich.

Zurück zur Anlage bei Bosch. Im Frontend von Merlic kann nach der Inspektion jede Aufnahme nochmals angesehen werden. Besonders hilfreich: Anhand einer Heatmap kann transparent nachvollzogen werden, welche Stellen des Bildes ursächlich für die Anomaly-Bestimmung sind. Die Bilder können auch einfach aus dem System herausgespeichert werden.

Ein wichtiger Punkt bei Deep Learning ist das Training der neuronalen Netze. Bosch profitiert von der Technologie auch dadurch, dass für das Training der Deep-Learning-Anwendung nur „Gut-Bilder“ benötigt werden. Diese sind in der Praxis leicht zu beschaffen. Natürlich profitiert das Global-Context-Anomaly-Detection-Modell auch von schlechten Bildern, wenn diese vorhanden sind. Bei klassischen Methoden hingegen müssen alle möglichen Arten von Defekten anhand von „Schlecht-Bildern“ einzeln extrahiert werden. Dadurch ist die Anwendung weniger flexibel, der Wartungsaufwand deutlich höher und unbekannte Defekte werden nicht erkannt. Das Training der neuronalen Netze geschieht mit dem Deep Learning Tool von MVTec. Mit dem Tool können Daten einfach trainiert werden, auch ohne Programmierkenntnisse. Nach dem Training werden die Netze einfach in Merlic geladen und der Betrieb kann beginnen.

Kundenspezifisches  Maschinensteuerungssystem

Wie aber ist die Einbindung einer Machine-Vision-Software in einen bereits bestehenden Produktionsprozess möglich? Diese Frage war bei Bosch besonders spannend, da der Produktionsprozess und die darin integrierte Qualitätsinspektion nicht geändert werden sollten. Die Metallfedern werden nach wie vor von einer oberen und einer unteren Abdeckung in einer Maschine eingehaust. Die untere Baugruppe wird händisch in die Maschine eingelegt. Auch wenn die Gefahr gering ist, können hierbei Schäden an den Metallfedern entstehen. Daher muss genau an dieser Stelle die Inspektion erfolgen, nämlich bevor das obere Bauteil montiert wird. Der Bildeinzug, also die Aufnahme der Bilder, erfolgt weiterhin von oben.

Da der Produktionsprozess unverändert blieb, lag das Hauptaugenmerk bei der Integration der Bildverarbeitungssoftware in die Maschinensteuerung. Die Anbindung der Software musste direkt an die Maschinen erfolgen, da die Anlage über keine Speicherprogrammierbare Steuerung (SPS) verfügt. Für die so notwendige Machine-to-Machine-Kommunikation sorgt das in Merlic integrierte Protokoll MQTT. Damit lässt sich die Bildverarbeitungssoftware über Standard-IoT-Kommunikationsprotokolle einfach in den Prozess integrieren. Die Entwicklung des Kalibrierungsprogramms des Bildverarbeitungssystems kann über die easy-to-use Software beschleunigt werden.

„Wir haben den Proof-of-Concept Ende 2022 erfolgreich abgeschlossen. Dabei wurden alle unsere Ziele hinsichtlich Erkennungsraten, Wartungsaufwand der Anlage sowie der Kosten erreicht. Daher erfolgt Mitte des Jahres 2023 die Inbetriebnahme einer neuen Produktionslinie. Anschließen ist der Rollout auf andere bestehende Linien geplant“, erklärt Joao Paulo Silva. Aufgrund des Potenzials plant Bosch für die Zukunft weitere Automotive Electronics Werke mit Hilfe von Deep Learning zu automatisieren.

MVTec Software GmbH  

https://www.mvtec.com

Vorrichtung der Machine-Vision-Applikation zum Prüfen der Metallfedern.

Darstellung des Schwellenwerts zur Bestimmung, ob ein Bauteil „OK“ oder „NOK“ ist.

Das Firmengelände von Bosch Automotive Electronics in Portugal, wo das System im Einsatz ist.

Hauptartikel

Deep Learning in der industriellen Bildverarbeitung | Qualitätssicherung | Elektronikfertigung ✓ automatisierter Prüfprozess ➤Jetzt Fachartikel lesen!

Industrielle Bildverarbeitung mit KI | Qualität

Bosch Car Multimedia Portugal, S.A. betreibt in Braga ein technisches Zentrum, hauptsächlich für die Produktion von Infotainmentsystemen und Sensorik.

Die MVTec Software GmbH ist ein internationaler Software-Hersteller für die industrielle Bildverarbeitung (Machine Vision). MVTec-Produkte werden in unterschiedlichsten Anwendungsgebieten eingesetzt, wie zum Beispiel der Halbleiterindustrie, der Oberflächeninspektion, der optischen Qualitätskontrolle, der Messtechnik sowie der Medizin- und Sicherheitstechnik. Durch den Einsatz moderner Technologien, wie 3D-Vision, Deep Learning und Embedded Vision, ermöglicht Software von MVTec insbesondere auch neue Automatisierungslösungen für Industrie-4.0-Szenarien.

MVTec Software GmbH Arnulfstraße 205 80634 München T +49 89 457695-0 <a href="mailto:info@mvtec.com">info@mvtec.com</a> <a href="https://www.mvtec.com" target="_blank">www.mvtec.com</a>