Computer Vision zur Qualitätskontrolle und Sortierung von Gemüse / Obst und Pflanzen
Immer mehr Unternehmen im Agrarsektor investieren in Automatisierung, für die Industriekameras und intelligente Software (KI) eingesetzt werden optische Qualitätskontrolle und Sortierung von Gemüse, Obst und Pflanzen.
Die Industriekameras werden zur Visualisierung von Maschinen eingesetzt, oder einfach gesagt: die Augen eines Roboters/Computers. Menschliche Handlungen werden durch optische Inspektion und automatisierte Prozesse ersetzt. Mit Hilfe von Computer Vision/Machine Vision werden Prozesse schneller und zuverlässiger, was bedeutet, dass eine kontinuierliche und gleichbleibende Qualität gewährleistet werden kann.
Diese Qualitätskontrolle erfolgt hauptsächlich auf der Grundlage der 2D-Flächenkameratechnologie. Aber auch 3D-Kameras, Zeilenkameras und hyper-spektrale Bildverarbeitung sind wachsende Technologien im Agrarsektor.
Table of contents
Auswahl der Kamera
Je nach Bildverarbeitungsaufgabe muss die richtige Kamera ausgewählt werden. Wichtige Entscheidungen, die getroffen werden müssen, sind:
Schnittstellentyp (USB3, GigE oder 10GigE)
Bildverarbeitungskameras müssen an einen Computer angeschlossen werden. Die Kamera-Schnittstelle ist die Verbindung zwischen der Kamera und dem Computer. Ingenieure haben oft eine Vorliebe für eine bestimmte Schnittstelle, aber wenn dies nicht der Fall ist, ist es wichtig, den Abstand zwischen Kamera und Computer zu kennen. Ist die Entfernung zwischen Kamera und PC kürzer als 4,6 Meter, empfehlen wir die Verwendung einer USB3-Kamera. Wenn die Entfernung größer ist, empfehlen wir GigE-Kameras zu verwenden. Für weitere Informationen empfehlen wir Ihnen den folgenden Artikel zu lesen: Welche Bildverarbeitungskamera soll ich wählen?
In diesem Beispiel beträgt die Entfernung zwischen der Kamera und dem PC mehr als 4,6 Meter, so dass wir die Verwendung einer GigE-Kamera empfehlen. Wir empfehlen unseren Kunden immer eine Kamera mit PoE. Power over Ethernet (PoE) für GigE wurde entwickelt, um sowohl die Stromversorgung als auch die Datenkommunikation über ein Standard-Ethernet-Kabel zu ermöglichen. Dies reduziert die Anzahl der Kabel und die Installationszeit bei Anwendungen, die keinen Hardware-Trigger oder E/A benötigen.
Farb- oder Monochromkamera
Monochrom-Kameras werden häufig in Bildverarbeitungsanwendungen eingesetzt. Wenn z. B. die Anzahl der Produkte gezählt, das Vorhandensein eines Objekts überprüft oder Messungen vorgenommen werden sollen, ist ein guter Kontrast erforderlich, und es wird eine Monochromkamera verwendet. Die Farbinformationen sind nicht relevant und werden nicht verwendet.
Ein zusätzlicher Vorteil einer Monochromkamera (Schwarz-Weiß-Foto/Bild) besteht darin, dass der Sensor bis zu dreimal lichtempfindlicher ist und scharfe Bilder erzeugt als eine Farbkamera/ein Sensor.
Wenn Sie etwas mit Farbinformationen machen wollen, benötigen Sie eine Farbkamera, auch RGB-Kamera (Rot, Grün, Blau) genannt. RGB-Kameras werden häufig zur Inspektion von Gemüse, Obst und Pflanzen eingesetzt, da diese Farbinformationen zur Qualitätskontrolle verwendet werden.
So wird zum Beispiel geprüft, ob Obst und Gemüse unterschiedliche Farben von Flecken/Fehlern aufweist, die grün oder braun sein können. Dieser Farbunterschied ist mit einer Monochromkamera nicht zu erkennen.
Für Deep Learning-Software wird immer eine Farbkamera verwendet, da das Farbbild zusätzliche Informationen liefert.
In diesem Beispiel verwenden wir eine Farbkamera, weil wir eine optische Qualitätskontrolle durchführen wollen und die Flecken/Fehler unterschiedliche Farben enthalten können.
Global Shutter oder Rolling Shutter Kamera
Wenn sich die Kamera oder ein Objekt während der Aufnahme bewegt, ist eine Global-Shutter-Kamera die beste Wahl. Bei Global Shutter-Kameras werden alle Zeilen/Pixel der Kamera gleichzeitig ausgelesen. Wenn die Kamera und das Objekt unbeweglich sind, kann eine Rolling-Shutter-Kamera verwendet werden. Wenn sich ein Objekt bewegt und die Rolling-Shutter-Kameratechnologie verwendet wird, wird das Bild verzerrt. Das liegt daran, dass der Sensor Zeile für Zeile ausgelesen wird. Für weitere Informationen empfehlen wir Ihnen, den folgenden Artikel zu lesen: Rolling Shutter vs. Global Shutter.
In diesem Beispiel befindet sich Obst und Gemüse auf einem Förderband zur Qualitätskontrolle und Sortierung. Das Förderband wird während der Kameraaufnahme nicht angehalten. In diesem Fall ist eine Global Shutter-Kamera erforderlich.
Auflösung (Anzahl der Pixel des Sensors)
Die folgenden Informationen sind wichtig, um die richtige Auflösung für die Kamera zu berechnen:
- Das kleinste Detail, das sie sehen/inspektieren wollen
- Der Bereich, der inspiziert werden soll (Field of View)
Wir empfehlen in der Regel 3 Pixel pro kleinstem Detail für ein stabiles Bildverarbeitungssystem. In einigen Fällen ist es auch möglich, 2 Pixel pro kleinstem Detail zu verwenden, aber das hängt davon ab, wie gut/leistungsfähig die Software ist.
In diesem Beispiel wollen wir eine Kamera, die Fehler auf Obst und Gemüse mit einer Genauigkeit von 1 mm erkennen kann. Das Obst und Gemüse befindet sich auf einem Förderband von 80 cm Breite. Das horizontale Sichtfeld muss also 800 mm betragen, und in der Vertikalen sollen 600 mm sichtbar sein.
Wie bereits erwähnt, wollen wir 3 Pixel pro kleinstem Detail für ein stabiles Bildverarbeitungssystem verwenden.
Systemauflösung = 1mm/3Pixel= 0,33333333 mm/Pixel
Horizontale Kameraauflösung = 800 mm (horizontales Sichtfeld) / 0,33333333mm (Systemauflösung) = 2400Pixel
Vertikale Kameraauflösung = 600 mm (vertikales FOV) / 0,33333333mm (Systemauflösung) = 1800pixels
Eine Kamera mit 2400 x 1800 Pixeln ist also geeignet. Auf der Grundlage dieser Informationen können wir eine Kamera auswählen. Die MER2-503-23GC-P (IMX264) ist eine 5MP-Kamera (2448 x 2048 Pixel), die alle oben genannten Anforderungen erfüllt, die wir in den vorherigen Schritten formuliert haben.
Objektivauswahl für IMX264
Für die Kamera muss ein geeignetes Objektiv ausgewählt werden. Das Objektiv ist nicht standardmäßig im Lieferumfang einer Kamera enthalten, daher muss das Objektiv immer zur Vervollständigung Ihres Bildverarbeitungssystems gekauft werden. Die von uns angebotenen Bildverarbeitungskameras haben häufig einen C-Mount-Anschluss, so dass im Allgemeinen häufig C-Mount-Objektive verwendet werden. Um das richtige Objektiv zu berechnen, benötigen wir Informationen über das Sichtfeld, den Arbeitsabstand (Abstand von Kamera/Objektiv zum Objekt) und die Sensorgröße der gewählten Kamera.
Die Kamera und das Objektiv befinden sich über einem Förderband. In diesem Beispiel wollen wir die Kamera zwischen 700 mm und 1000 mm vom Förderband entfernt platzieren. Bei einem horizontalen Blickwinkel von 800 mm und einem Arbeitsabstand von 735 mm beträgt die berechnete Brennweite des Objektivs 8 mm. Unten sehen Sie einen Screenshot des Objektivrechners, der auf unserer Website verfügbar ist. Qualitätskontrolle von Obst und Gemüse Objektivberechnung
Basierend auf dieser Berechnung und den technischen Daten der Kamera ist das Objektiv VA-LCM-5MP-08MM-F1.4-015 geeignet.
Machine-Vision-Beleuchtung für die Inspektion von Obst, Gemüse und Pflanzen
Zur Beleuchtung von Obst, Gemüse und Pflanzen auf einem Förderband werden häufig zwei Barlights verwendet. Das Förderband ist oft vollständig vom Umgebungslicht abgeschirmt, um äußere Einflüsse zu vermeiden und diffuses Licht zu erzeugen. Die Balkenleuchten werden quer über dem Förderband angebracht und müssen die gesamte Breite des Bandes abdecken. Die Objekte werden von zwei Seiten beleuchtet. Die Lichtbalken müssen in einem bestimmten Winkel angebracht werden, so dass es fast keine Reflexion und keinen Schatten gibt.
Softwareauswahl
Neben der Hardware ist eine Bildverarbeitungssoftware erforderlich, um Fehler automatisch zu erkennen. Die Kunden können den Softwarecode selbst schreiben oder vorhandene Bildverarbeitungssoftwarelizenzen verwenden, wie z. B. Zebra Aurora Vision Studio. Aurora Vision ist eine leistungsstarke Bildverarbeitungssoftware, die speziell für die einfache Erstellung eines Bildverarbeitungsprogramms entwickelt wurde. Dank der grafischen Oberfläche sind keine Programmierkenntnisse erforderlich, um ein Bildverarbeitungsprogramm zu erstellen. Die Software verfügt über eine Toolbox, die für die Durchführung vieler Bildverarbeitungsaufgaben geeignet ist. Durch die Auswahl der richtigen Werkzeuge können Sie innerhalb weniger Minuten einen Arbeitsablauf erstellen. Schwierige Bildverarbeitungsaufgaben können auch mit dem Deep-Learning-Zusatzmodul gelöst werden, das künstliche Intelligenz zur Lösung komplexer Erkennungsprobleme einsetzt.
Sie können auch Aurora Vision Lite verwenden, ein kostenloses Demoprogramm von Aurora Vision. Sie können Bilder von der Festplatte laden und Ihr eigenes Bildverarbeitungsprogramm mit allen in Aurora Vision Studio verfügbaren Bildverarbeitungswerkzeugen entwerfen.
Wir können auch ein Beispielprogramm für Sie in Aurora Vision erstellen. Sobald Sie Bilder zur Verfügung haben, können wir ein Beispielprogramm für Sie in Aurora Vision erstellen. Wir bitten Sie dann, ein Spezifikationsdokument zu erstellen, in dem Sie angeben, was Sie erkennen möchten, und uns zehn Bilder zur Verfügung zu stellen.
Bildverarbeitungsanwendung
Wir hoffen, dass Ihnen die obigen Schritte bei der Auswahl der richtigen Hardware und Software für Ihre Qualitätskontrolle und Sortierung von Gemüse, Obst und Pflanzenmit Hilfe von Bildverarbeitungsanwendungen geholfen haben.
Wenn Sie weitere Fragen haben, können Sie sich jederzeit an uns wenden. Wir verfügen über jahrelange Erfahrung und Kenntnisse in der Bildverarbeitungsbranche. Wir beraten Sie gerne, und unsere Kunden können sich für technische Unterstützung an uns wenden.
