Technologie Vision Sensor O2D

O2D im Detail

Konturerkennung

Die Konturerkennung ist ein wichtiges Instrument zur 2D-Bildverarbeitung. Dabei werden die Kanten sowie die Übergänge von Vordergrund zu Hintergrund erfasst und aus den Informationen eine Kontur errechnet. Die Besonderheit der Konturerkennung ist, dass sie auch bei Fremdlichteinflüssen zuverlässig funktioniert, da das Fremdlicht üblicherweise das gesamte Objekt trifft. Der relative Unterschied zwischen Vordergrund und Hintergrund verschiebt sich, die Kontur wird dennoch gleichermaßen sicher erkannt. Die Objektinspektion erfolgt dann, indem eine Referenzkontur mit dem aktuellen Objekt abgeglichen wird.

Die Konturerkennung erfolgt durch:

• Extraktion des hervorzuhebenden Objektes vom Hintergrund durch anpassen der Beleuchtungssituation
• Optimierung der Kontur durch Löschen nicht benötigter Bereiche
• Der Algorithmus erkennt im Livebild mögliche Konturen die anhand eines Schwellwertes (Score) als Gut- oder Schlechtteil unterschieden werden

Wo findet die Konturerkennung ihre Anwendung:

Das Verfahren kommt vor allem in der Muster- und Formenerkennung sowie der Objekterkennung zum Einsatz, wie sie typischerweise beim Stanzen, Fräsen, Drehen oder in der Montage angewandt wird. Die Konturerkennung dient in diesen Bereichen zur Qualitätssicherung.

Blob-Analyse

Die Blob-Analyse ist eine wichtige Bildverarbeitungsmethode, bei der Bildmerkmale über eine Gruppe von ähnlichen benachbarten Pixeln selektiert und analysiert werden.

Das BLOB (engl. Kunstwort Binary Large Object) steht in diesem Zusammenhang für Binary-Logic Dataobjekt, was frei übersetzt als eine Menge von Pixeln mit gleichem logischen Zustand zu verstehen ist. Die Selektion der benachbarten Pixel erfolgt im Allgemeinen über die Schwellwertbildung des Grauwertes. Aus der Analyse können dann Rückschlüsse auf verschiedene Merkmale geschlossen werden. Eine bekannte Funktion ist z.B. der Pixelzähler.

Die Blob-Analyse erfolgt durch:

• Extraktion des Bereichs von Interesse vom Hintergrund durch Schwellwertbildung über den Grauwert
• Optimierung der Suchkriterien über verschiedene Attribute
• Berechnung der gesuchten Merkmale wie z.B. Anzahl der Pixel (Pixelzähler), Flächenschwerpunkt, Orientierung, Form (z.B. Rundheit, Rechteckigkeit) und Durchmesser

Wo findet die Blob-Analyse Anwendung?

Die Anwendung sind vielfältig gestreut. So kann die Blob-Analyse beispielsweise zur Vollständigkeitskontolle, Anwesenheitsprüfung oder Gewindeerkennung sowie zum Zählen und Sortieren von Objekten eingesetzt werden.

Lagenachführung

Die Lagenachführung erfolgt mithilfe einer Anker-Kontur, die einmalig im Bild gefunden wird. Anhand dieser Kontur können Suchzonen andere Modelle (zum Beispiel die Suchzone einer Blob-Analyse) in der Position, wie auch der Drehlage nachgeführt werden. 
Grafische Darstellung einer Lagenachführung anhand des Beispiels:

Erkennung von Lötkugeln auf einem Clip

1. Auf den Spitzen eines Clips soll überprüft werden, ob alle drei Lötkugeln anwesend sind (grün dargestellt).
   Da die Kontur einer Lötkugel zwar variiert, die Fläche einer Lötkugel jedoch konstant bleibt, wird eine Blob-Analyse verwendet. Es werden die orange dargestellten Suchzonen für die Anwesenheitskontrolle über den zu überprüfenden Bereich definiert.
2. Um diese Suchzonen nun abhängig von der Position und der Drehlage des Clips nachzuführen, wird eine Referenzkontur – die sogenannte Anker-Kontur – definiert (pink dargestellt). Es wird dann die Kontur der linken Rundung des Clips mit den Suchzonen der Blob-Analyse „verankert“.
3. Wenn sich nun der Clip beispielsweise um 20 Grad dreht, wird die Anker-Kontur auch im gedrehten Zustand gefunden. Die orangenen Suchzonen der Blob-Analyse werden dann automatisch in die richtige Position und Drehlage nachgeführt.

Die O2D5-Familie von ifm verwendet einen CMOS-Bildprozessor mit 1,2 MP (1280 x 960 Pixel).

• Jedes Pixel enthält ein Photon, das Licht von der Kameralinse sammelt und verstärkt.
• Mikrolinsen auf jedem Pixel maximieren den Photonenkontakt.
• Das Photon sammelt eine elektrische Ladung an, die proportional zur Lichtmenge ist, die es empfängt.
• Die elektrische Ladung wird in ein analoges Spannungssignal umgewandelt.
• Das analoge Signal wird an einen A/D-Wandler übertragen.
• Der Bildprozessor wertet jedes digitale Signal aus und setzt es zu einem Bild zusammen.

CMOS-Bildprozessoren sind einfacher, schneller und kostengünstiger herzustellen, was sie zu den am weitesten verbreiteten auf dem Markt macht.

Die Wahl der richtigen Beleuchtung zur Maximierung des Kontrasts für jedes Pixel ist entscheidend. Die O2D-Familie wird komplett mit integrierten hochintensiven LED-Lichtquellen in RGB-W (Rot, Grün, Blau, Weiß) und Infrarot geliefert.

Beachten Sie, dass der Bildsensor kein Farbsensor ist!

Die Wahl einer Lichtquelle mit einer anderen Farbe kann sich jedoch dramatisch auf den Kontrast des Bildes auswirken. Das Bild unten zeigt Buntstifte bei Tageslicht und dieselben Stifte, die mit den verschiedenen LEDs des O2D5-Sensors beleuchtet werden.

Vergleich der Lichtquellen

Wirkung des Polarisationsfilters

Aufgrund von Reflexionen kann es schwierig sein, scharfe Konturen oder Bereiche auf glänzenden Objekten zu erhalten. Die O2D5-Sensoren mit RGB-W-Lichtquellen enthalten einen Polarisationsfilter, der ein- oder ausgeschaltet werden kann, um den Effekt von Reflexionen zu minimieren.

1. ohne Polfilter
2. mit Polfilter