Erfolgsgeschichten mit Adaptive Vision Software
Max Reijngoudt
Die Adaptive Vision Software unterstützt Ingenieure im Bereich Machine Vision dabei, Bildverarbeitungs-Anwendungen für Automatisierung und Qualitätskontrolle zu erstellen. Die Plattform wird weiterhin häufig als Adaptive Vision gesucht und ist heute von Zebra Technologies als Zebra Aurora Vision erhältlich. Diese Seite sammelt Erfolgsgeschichten, die die Software im Einsatz zeigen – von der Maßhaltigkeitsprüfung bis zur Positionierung von Leiterplatten.
Ein praxisnaher Weg zur Entwicklung von Vision-Anwendungen mit Adaptive Vision
Die Adaptive Vision Software basiert auf einem datenflussbasierten Ansatz und umfasst eine Vielzahl vorgefertigter Bildanalysefilter. Maßgeschneidert für Fachleute vereinfacht sie die Erstellung gängiger Anwendungen und erleichtert die Entwicklung individueller Projekte. Diese Anpassungsfähigkeit macht sie zu einem bevorzugten Werkzeug für Computer Vision-Ingenieure, die vielfältige Anforderungen an Qualitätsprüfung und Automatisierung im industriellen Bereich erfüllen müssen.
Adaptive Vision Software-Werkzeugsatz
Die Adaptive Vision Software-Webseite präsentiert eine Auswahl an Computer Vision Software-Paketen für die Bildverarbeitung, darunter:
- Aurora Vision Studio: Ein Kraftpaket an Einfachheit, das eine grafische, niedrigstufige Programmierumgebung für die schnelle Entwicklung und einfache Anpassung durch Machine Vision-Ingenieure bietet.
- Aurora Vision Library: Einsatzbereite Funktionen für die Programmierung in C++ und .NET, die Ihnen die Freiheit geben, eigene Software auch für die anspruchsvollsten Anwendungen zu entwickeln.
- Aurora Vision Deep Learning: Diese Adaptive Vision Software-Erweiterung ermöglicht es Ihnen, Bilder auszuwählen, Fehler oder Kennzeichnungen zu markieren und die Software für Ihre spezifische Anwendung zu trainieren. Tauchen Sie tief in die optische Zeichenerkennung mit dem vortrainierten Deep Learning OCR-Werkzeug ein. Dieses Werkzeug ist ideal, um komplizierte, beschädigte oder verschwommene Zeichen zu entziffern. Es ist die optimale Lösung, um visuelle Herausforderungen bei der Zeichenerkennung zu meistern.
Verwendung von Adaptive Vision zur Überprüfung von Flughafentabletts
In dieser Anwendung zeigen wir, wie Adaptive Vision für die Überprüfung von Flughafentabletts eingesetzt werden kann (2D-Klassifizierung + 3D-Messung). Die Adaptive Vision-Software von Zebra Technologies umfasst fortschrittliche Deep-Learning-Fähigkeiten, die es den Anwendern ermöglichen, maßgeschneiderte Algorithmen zu erstellen, die auf ihre spezifischen Bedürfnisse zugeschnitten sind. Ein bemerkenswertes Beispiel für diese Flexibilität ist ein Projekt der Technischen Universität Wien, insbesondere des Instituts für Fertigungstechnik und Photonische Technologien. Die Entwicklung am Institut wurde von einem Expertenteam unter der Leitung von Dipl.-Ing. Fabian Singer und Dipl.-Ing. Laurenz Pickel durchgeführt, die sich auf die Bereitstellung maßgeschneiderter Machine Vision-Lösungen spezialisiert haben. In diesem Projekt entwickelte das Team ein System mit Doppelfunktion, das sowohl die 2D-Bildanalyse mittels Deep Learning als auch die 3D-Messung mit klassischen Algorithmen des maschinellen Lernens kombiniert.
Deep Learning-Erweiterung für Adaptive Vision Studio stellt einen bedeutenden Fortschritt für Machine Vision-Anwendungen dar. Sie bietet eine Reihe gebrauchsfertiger Werkzeuge, die mit guten und schlechten Beispielen trainiert werden, um eine automatische Erkennung von Fehlern oder Merkmalen zu ermöglichen. Im Hintergrund nutzt sie große, von einem Forschungsteam für die industrielle Inspektion optimierte neuronale Netzmodelle. Für die Anwender werden diese Fähigkeiten als einfache Filter mit nur wenigen Parametern bereitgestellt, unterstützt durch intuitive grafische Werkzeuge, die den Trainingsprozess leicht verständlich und bedienbar machen.
Deep-Learning-Modell
Die erste Komponente des Systems ist ein Deep-Learning-Modell, das entwickelt wurde, um Bilder von Sicherheitswannen am Flughafen zu analysieren und sie in eine von drei Kategorien einzuordnen:
- Leere Wannen
- Wannen mit zurückgelassenen Gegenständen
- Wannen, die aufgrund von Flüssigkeitsaustritt Aufmerksamkeit erfordern
Dieser Algorithmus wurde mit einem Datensatz von 350 Bildern trainiert, um eine genaue Erkennung und Klassifizierung zur Verbesserung der Sicherheitsmaßnahmen am Flughafen zu gewährleisten. Der Deep-Learning-Ansatz ermöglicht es dem System, Rückmeldungen in Echtzeit sowie detaillierte Visualisierungen wie Heatmaps bereitzustellen, die das Sicherheitspersonal bei der schnellen Identifizierung von Problemen unterstützen.
3D-Messung mit klassischen Algorithmen des maschinellen Lernens
Die zweite Komponente des Systems konzentriert sich auf die 3D-Analyse. Im Gegensatz zur 2D-Bildklassifizierung verwendet dieser Teil des Systems klassische Algorithmen des maschinellen Lernens, um präzise Messungen der Wanne und ihres Inhalts durchzuführen:
- Misst das gesamte Wannenvolumen
- Berechnet die Volumina der Gegenstände in der Wanne
- Bestimmt das Gesamtvolumen des Wanneninhalts
- Ermittelt die maximale Füllhöhe
Diese Volumenanalyse liefert einen umfassenden Überblick über den Zustand der Wanne und ermöglicht eine effiziente Ressourcenverwaltung an den Sicherheitskontrollen.
Integration und Effizienz mit Adaptive Vision
Die Kombination aus Deep Learning für die 2D-Klassifizierung und klassischem maschinellen Lernen für die 3D-Messung führt zu einer äußerst wirkungsvollen Lösung für die Überprüfung von Flughafentabletts. Das System arbeitet in Echtzeit und liefert dem Sicherheitspersonal präzise Erkenntnisse, wodurch die Genauigkeit und Geschwindigkeit der Sicherheitsverfahren am Flughafen erhöht werden. Die Adaptive Vision-Software steigert in Verbindung mit Machine Vision-Kameras die Präzision und Effizienz der Tablettkontrolle erheblich und sorgt für verbesserte Sicherheitsprotokolle an den Kontrollpunkten. Für Anfragen zu maßgeschneiderten Machine Vision-Lösungen wenden Sie sich bitte direkt an das Institut oder an die leitenden Wissenschaftler dieses Projekts. Weitere Informationen finden Sie unter TU Wien – Institut für Fertigungstechnik und Photonische Technologien.
Adaptive Vision zur Durchmesserkontrolle
Überblick zur Durchmesserprüfung
Für dieses Vision-Projekt setzten Ingenieure Adaptive Vision Software ein, um eine Anwendung zur Prüfung der Durchmessermaße von gehärteten Stahlringen zu entwickeln, einschließlich der Überprüfung von Rundheit und Innendurchmesser. Durch den Einsatz von Machine Vision Kameras ermöglicht dieser Adaptive Vision Software-Arbeitsablauf eine äußerst präzise Beurteilung—und unterstützt Prüftoleranzen von bis zu ±0,1 mm.
Die Herausforderung
Gehärtete Stahlringe lassen sich in der Produktion nur schwer schnell und gleichmäßig messen. Das Team benötigte eine mit Adaptive Vision Software entwickelte Lösung, die:
- Den Innendurchmesser und die Rundheit zuverlässig überprüft
- Konsistente Ergebnisse für industrielle Umgebungen liefert
- Schnelle, wiederholbare Messergebnisse bereitstellt und strenge Annahmekriterien (bis zu ±0,1 mm) unterstützt
Die Lösung – Adaptive Vision Studio
Mit Adaptive Vision Studio erstellten die Ingenieure einen robusten Prüfablauf, der von Machine Vision Kameras unterstützt wird. Die Anwendung wurde entwickelt, um:
- Bilder von Machine Vision Kameras zu erfassen
- Bildverarbeitung anzuwenden, um die Ringgeometrie zu isolieren
- Den Innendurchmesser zu messen und die Rundheit zu bewerten
- Ergebnisse in Echtzeit auszugeben, um die Qualitätsprüfung und industrielle Automatisierung zu unterstützen
In diesem Erfolgsbeispiel spielt Adaptive Vision Software eine entscheidende Rolle, indem sie eine Plattform für die Durchmesserprüfung bereitstellt, die über herkömmliche Grenzen hinausgeht. Ihr anpassungsfähiger Ansatz—in Verbindung mit Machine Vision Kameras—unterstützt Echtzeitmessungen und -analysen und stellt sicher, dass der Innendurchmesser der Stahlringe höchsten Qualitätsanforderungen entspricht.
Die Ergebnisse – Präzise Prüfung
Mit dem in Adaptive Vision Software aufgebauten Prüfablauf erreichte das Team:
- Präzise Prüfung des Innendurchmessers entsprechend den Qualitätsanforderungen
- Zuverlässige Rundheitsüberprüfung für kritische Bauteile
- Echtzeitmessung und -analyse, geeignet für Produktionsabläufe
- Prüfgenauigkeit, die Toleranzen bis zu ±0,1 mm ermöglicht
Dieses Projekt unterstreicht den Wert von Adaptive Vision Software bei der Weiterentwicklung der industriellen Prüfung, indem es die Effizienz steigert und gleichzeitig höchste Genauigkeit bei anspruchsvollen Maßprüfungen gewährleistet.
Leiterplattenpositionierung mit adaptiver Vision-Software
Überblick zur Leiterplattenpositionierung
In dieser Anwendung nutzten Ingenieure Adaptive Vision Software, insbesondere das fortschrittliche Adaptive Vision Studio, um eine hochpräzise Lösung für die Positionierung von Leiterplatten zu entwickeln. Der Vision-Arbeitsablauf wurde mit einer 5-Megapixel-USB3-Kamera (wie der MER2-503-36U3M) kombiniert, um eine genaue Bestimmung der Leiterplattenposition mit einer Messgenauigkeit von bis zu 0,05 mm zu erreichen.
Die Herausforderung
Die Positionierung von Leiterplatten erfordert eine zuverlässige, wiederholbare Ausrichtung. Das Team benötigte einen Arbeitsablauf, der mit Adaptive Vision Software erstellt wurde und folgende Anforderungen erfüllte:
- Präzise Bestimmung der Leiterplattenposition mit hoher Genauigkeit
- Anpassbare Prüfungslogik für verschiedene Leiterplattendesigns
- Nahtlose Integration in bestehende Betriebssoftware
- Stabile Leistung in realen Produktionsumgebungen
Die Lösung – Adaptive Vision Studio Software
Mit Adaptive Vision Studio als zentraler Entwicklungsumgebung erstellte das Team einen Prüfungsarbeitsablauf zur Leiterplattenpositionierung mit Adaptive Vision Software und einer 5-Megapixel-USB3-Machine Vision-Kamera. Die Lösung legte besonderen Wert auf:
- Präzise Positionsanalyse für eine genaue Leiterplattenprüfung
- Flexible Konfiguration durch Makrofilter, die individuelle Anpassungen je nach Anwendung ermöglichen
- Schnelle Integration über DLL-Export, sodass die Positionierungslogik in die eigene Betriebssoftware des Kunden integriert werden kann
Die Ergebnisse – Präzise Positionierung
Mit dem in Adaptive Vision Software entwickelten Arbeitsablauf zur Leiterplattenpositionierung erreichte das Team:
- Genaue Leiterplattenpositionierung mit einer Messgenauigkeit von bis zu 0,05 mm
- Einen konfigurierbaren Prüfungsansatz unter Verwendung von Makrofiltern
- Vereinfachte Integration durch DLL-Export für die Implementierung
- Einen skalierbaren Software-Arbeitsablauf, der für den fortlaufenden Produktionseinsatz geeignet ist
Dieses Projekt zeigt, wie Adaptive Vision Software die Leiterplattenprüfung und -positionierung durch die Kombination aus präziser Messung, flexiblem Arbeitsablaufdesign und integrationsbereiten Ergebnissen verbessern kann.
