Gemüsesortiersystem mit Bildverarbeitungskameras

Um die Qualität von Gemüse wie Karotten, Tomaten, Kartoffeln, Gurken, Salat, Zwiebeln, Auberginen, grünen Bohnen, Zucchini und Paprika hinsichtlich Länge, Oberflächenrissen, Größe, Form und Farbe zu prüfen, ist ein hochwertiges Bildverarbeitungssystem unerlässlich, um diese Parameter am Förderband zu erkennen. Wir wissen, dass die Wahl der richtigen Kamerakonfiguration, Beleuchtung und Software schwierig sein kann. Dieser Artikel führt Sie in wenigen Schritten zur Auswahl der richtigen Bildverarbeitungshardware und -software.
Gemüsesortiersystem mit Bildverarbeitungskameras

Einer unserer Vision-Ingenieure empfiehlt für dieses Vision-System zur Gemüseklassifizierung ein beispielhaftes Test-Kamera-Setup und eine Software. Über die Links sind unsere Produkte und Preise sofort sichtbar, um direkten Zugriff auf Informationen zu diesem Vision-System zur Gemüseklassifizierung zu ermöglichen.

Für diese Anwendung hatte unser Kunde eine Anfrage zur Erkennung der Schnittqualität von Karotten und zu deren Klassifizierung anhand der mit unseren Industriekameras aufgenommenen Fotos. Er musste die beschädigten Karotten von den gesunden unterscheiden. Der Einsatz eines Machine Vision Systems zur Erkennung der Parameter ermöglichte es ihm, Risse in den Karotten für die weitere Verwendung zu akzeptieren oder abzulehnen.

Auswahl industrieller Kameras

Zunächst beginnen wir mit der Auswahl der Industriekamera für das Vision-System zur Klassifizierung und Sortierung von Gemüse. Die Empfehlung war unsere 1,60-MP-GigE-Kamera MER2-160-75GC-P , die auf den Spezifikationen und Details der Anwendung unseres Kunden basierte.

Zunächst wusste der Kunde nicht, welche Kameraschnittstelle er benötigte, und hatte keine spezifische Schnittstellenpräferenz. Wenn der Abstand zwischen einem PC und einer Kamera kürzer als 4,6 Meter ist, wird eine USB3-Kamera empfohlen, um von der viermal höheren Bandbreite gegenüber einer GigE-Kamera, der Datenübertragung und Stromversorgung über nur 1 Kabel sowie dem Preisvorteil zu profitieren. 

Zur Unterscheidung der Farben wurde eine Farbkamera ausgewählt. Da sich das Gemüse auf einem rolling Förderband bewegt, empfehlen wir für dieses spezielle Vision-System zur Karottenklassifizierung die Verwendung einer Global Shutter Kamera anstelle einer rolling shutter Kamera. Weitere Informationen zu Global Shutter vs. Rolling shutter finden Sie in diesem Artikel in unserem Wissenszentrum.

Um dann die Bildrate der Kamera und die Anzahl der pro Sekunde erforderlichen Aufnahmen bestimmen zu können, fragten wir den Kunden nach der tatsächlichen Geschwindigkeit des Förderbands und berechneten auf Grundlage der Geschwindigkeit von etwa 19 m/s die erforderliche Bildrate der Kamera, die 75fps betrug.

Zur Bestimmung der erforderlichen Auflösung, über die sich der Forscher zuvor noch unsicher war, boten wir ihm Support an, indem wir diese auf Grundlage der kleinsten Details berechneten, die er auf der Karottenoberfläche erfassen wollte, wie etwa Risse und Beschädigungen. Um die kleinsten Risse von etwa 0,85mm innerhalb des Sichtfelds von etwa 400*300 mm zu erkennen, ist eine Systemauflösung von 1,6 MP erforderlich. Auf Grundlage von 3 Pixeln pro kleinstem Rissdetail waren mindestens 1440*1080 Pixel erforderlich. Unsere 1,6-MP-Kamera MER2-160-75GC-P mit dem Sony IMX273 Sensor bietet eine hervorragende hochauflösende Lösung für die präzise Erkennung von Rissen und Beschädigungen bei der Qualitätsklassifizierung von Karotten/Gemüse.

MER2-160-75GC-P Camera GigE Vision 1

Objektiv für Sony IMX273-Sensor

Die ausgewählte 1,6-MP-Kamera für dieses Vision-System zur Gemüseklassifizierung verfügt über einen Sony-IMX273-Sensor, einen 1/2,9”-Sensor. Um zu bestimmen, welches Objektiv für dieses Vision-System am besten geeignet ist, haben wir unseren Online-Objektivrechner verwendet. Basierend auf 2 Spezifikationen des Vision-Systems, dem erforderlichen horizontalen Sichtfeld (FOV) und dem Arbeitsabstand (WD), wird die korrekte Brennweite berechnet.

Der Kunde benötigt ein FOV von 400x300 mm und bevorzugt einen WD zwischen 900-1000 mm. Die Berechnung zeigt, dass für diese Spezifikationen ein Objektiv mit 12MM Brennweite empfohlen wird. Zudem wird angezeigt, dass der Arbeitsabstand 1000 mm beträgt und das Sichtfeld etwas größer als bevorzugt sein wird. Dies liegt an der Sensorgröße der Kamera, die nicht dasselbe Seitenverhältnis der Pixel wie das Sichtfeld von 400*300 mm aufweist. Das endgültige Sichtfeld beträgt ungefähr 409*307 mm. Unser 12MM F2.0 1/1.8" C-Mount-Objektiv, das Objektiv VA-LCM-5MP-12MM-F2.0-018 , ist ein verzerrungsfreies Objektiv < 0.3%, das eine hervorragende Lösung für die 1,6-MP-Kamera bietet.

Industrielle Beleuchtung zur Qualitätsbewertung von Gemüse

Das Hinzufügen von Machine Vision Beleuchtung zur Karottensortierinspektion erhöht den Kontrast und hebt vorhandene Risse und Beschädigungen auf der Oberfläche der Karotten hervor. Um Schatten zu minimieren und zu eliminieren, wird ein Beleuchtungssystem auf der Oberseite des Förderbands empfohlen. Der erhöhte Kontrast bei Verwendung einer Beleuchtung von oben für das Vision-System zur Gemüseklassifizierung erleichtert die Erkennung der Risse und die Sichtbarkeit der Beschädigungen am Gemüse, sodass es anschließend sortiert werden kann. Für die Beleuchtung empfehlen wir eine Leuchte, die etwa 10% größer als das Sichtfeld ist. Wir empfehlen 2 unserer Balkenleuchten, die weißen Balkenleuchtenserie VA-BL3 275*16, die oberhalb des Förderbands angebracht werden. Zusätzlich sind diese im Expresslager verfügbar. Das bedeutet, dass sie sofort an den Kunden versendet werden können.

Da die Anwendung in einem Außenbereich stattfinden sollte, empfahlen wir sowohl einen polarisierten Objektivfilter als auch eine Polarisationsfolie, um mögliche Blendungen und Reflexionen zu entfernen.

Ein polarisierter Objektivfilter: Der Objektivfilter LFT-LPOL-M25.5 ist für C-Mount-Objektive mit einem Filtergewinde von M25.5xP0.5 ausgelegt, wie beispielsweise das empfohlene 12 mm C-Mount-Objektiv.

Eine Polarisationsfilterfolie:  die lineare Polarisationsfilterfolie polarisiert die Hintergrundbeleuchtung, wenn sie vor die Lichtquelle gehalten wird. Sie kann auch auf die vom Kunden bevorzugte Größe zugeschnitten werden.

Machine vision bar light

Bildverarbeitungssoftware zur Gemüsesortierung

Eine einzelne Kamera, ein Objektiv und eine Beleuchtung ergeben noch kein vollständiges Vision-System zur Gemüseklassifizierung. Für die eigentliche Qualitätsprüfung des Gemüses ist Bildverarbeitungssoftware erforderlich, um Risse und Beschädigungen am Gemüse zu erkennen. Unsere Kameras sind GenICam-kompatibel, was bedeutet, dass sie mit einer Vielzahl von Drittanbieter-Software verwendet werden können, darunter MvTec Halcon, NI LabVIEW, Cognex Vision pro, MATLAB, Open CV und Arm Boards software.

Für die erste Programmierung kann unser kostenloses SDK verwendet werden, um Bilder aufzunehmen und die Kameraparameter einzustellen.

Das Software Development Kit ist mit herkömmlichen und industriellen PCs sowie ARM-Plattformen kompatibel, einschließlich der NVIDIA-TX-Serie und Raspberry Pi. Zu den unterstützten Betriebssystemen gehören Windows, Linux und Android. Betriebssysteme von Notably und Apple MAC OS werden für den industriellen Einsatz nicht unterstützt, aber Ingenieure können zur Kompatibilität eine virtuelle Maschine mit Windows oder Linux auf MAC ausführen. Das SDK unterstützt Programmiersprachen wie C++, C#/. NET und Python. Weitere Sprachen können auf Anfrage erworben werden, da sie nicht im Standardpaket enthalten sind.

Für dieses Beispiel, die Anwendung der Gemüse-/Karottenklassifizierung, schätzte der Kunde die Arbeit mit Software, die für weniger erfahrene Kollegen einfach zu bedienen ist. Deshalb wird die Verwendung von Zebra Aura Vision Software empfohlen. Diese leistungsstarke und benutzerfreundliche Software bietet eine robuste grafische Umgebung, die sich wie eine „Toolbox“ anfühlt.

Durch die Verwendung dieser Software zur Ergänzung Ihrer Anwendung zur Gemüseklassifizierung können sowohl die Größe der Beschädigungen als auch deren Anzahl erkannt werden.

Um Kenntnisse über die Aurora Vision Software zu erlangen, ist die kostenlose Lite-Version mit allen Standardalgorithmen verfügbar.

Anwendungen zum Sortieren und Klassifizieren von Gemüse

Eine Anwendung zur Klassifizierung und Sortierung von Gemüse mit Vision-System wird auch in einer Vielzahl anderer Anwendungen und Branchen eingesetzt; diese wurde in der Landwirtschaft verwendet. Sie wird jedoch häufig auch in der Lebensmittelindustrie eingesetzt. Beispielsweise könnte ein Vision-System in der Lebensmittelproduktion das Zählen und Analysieren zahlreicher Früchte in hohem Tempo automatisieren. Für High-Speed Imaging könnte eine industrielle Vision-Kamera wie unsere 1,6-MP-Kamera mit 227 fps, die Kamera MER2-160-227U3C, bei voller Auflösung eine ausgezeichnete Vision-Hardwarelösung bieten.

Neben der Inspektion der Risse auf der Karottenoberfläche könnte ein Vision-System auch zur Erkennung von Verfärbungen und der Schalenqualität auf der Gemüseoberfläche eingesetzt werden.

Unterstützung für Anwendungen zur Klassifizierung und Sortierung von Gemüse

Wünschen Sie Unterstützung von einem unserer Bildverarbeitungsexperten bei der Entwicklung Ihres eigenen Bildverarbeitungssystems für die Gemüsesortierung? Oder eines ähnlichen Bildverarbeitungssystems? Kontaktieren Sie uns einfach über das untenstehende Formular!