11-2023
Fachzeitschrift für Industrielle Automation, Mess-, Steuer- und Regeltechnik
Fachzeitschrift für Industrielle Automation, Mess-, Steuer- und Regeltechnik
- TAGS
- bauelemente
- messen steuern regeln
- bedienen und visualisieren
- messtechnik
- sensorik
- bildverarbeitung
- qualitaetssicherung
- robotik
- industrielle kommunikation
- hmi
- stromversorgung
- digitalisierung
- elektromechanik
- kuenstliche intelligenz
- iiot
- embedded systeme
- sbc boards module
- industrie pc
- automation
- software
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
Bildverarbeitung<br />
Deep Learning<br />
optimiert die Bildverarbeitung<br />
Mit minimalem Aufwand zur optimalen Fehlererkennung auf EL Bildern<br />
FPGA IP CORES<br />
Lösungen für Machine<br />
Vision Applikationen<br />
GIGE VISION, USB3 VISION, COAXPRESS,<br />
COAXPRESS-OVER-FIBER,<br />
SONY IMX PREGIUS AND MIPI CSI-2<br />
MBJ Solutions optimiert die Bildverarbeitung<br />
in der Produktion bei 3S Swiss Solar Solutions<br />
in Thun mit Hilfe von neuronalen Netzen. Durch<br />
das Anlernen von kundenspezifischen, relevanten<br />
Fehlerbildern konnte die Fehlererkennungsrate<br />
deutlich optimiert werden.<br />
Im Produktionsprozess werden hochauflösende<br />
Bilddaten, die mit einem MBJ Elektrolumineszenzsystem<br />
aufgenommen wurden, in<br />
Sekundenbruchteilen durch den Einsatz von<br />
durch künstlicher Intelligenz erstellten neuronalen<br />
Netzen ausgewertet und die gefundenen<br />
Fehler in den Bildern markiert. Ein fehlerhaftes<br />
Modul wird so schnell und sicher erkannt und auf<br />
einen Reparaturplatz weitergeleitet. Dort werden<br />
der Fehler und der Ort des Fehlers auf einem<br />
Monitor angezeigt und es kann gezielt repariert<br />
werden. Erst dann wird das Modul weiter<br />
zum Laminieren geschickt. Die erkannten Fehler<br />
werden zudem genutzt um Prozessschritte,<br />
die vor dieser Inspektion liegen, zu korrigieren<br />
und zu verbessern.<br />
Wie funktioniert es?<br />
MBJ Solutions stellt jedem Kunden ein vortrainiertes<br />
neuronales Netzwerk zur Verfügung,<br />
mit dem typische Fehler wie Mikrorisse, dunkle<br />
MBJ Solutions GmbH<br />
info@mbj-solutions.com<br />
www.mbj-solutions.com<br />
Bereiche und Lötfehler sicher erkannt und klassifiziert<br />
werden. Dieses Netzwerk kann bei Bedarf<br />
durch den MBJ Solutions Support mit Hilfe des<br />
Kunden oder auch vom Kunden selbst weiter<br />
angepasst werden. Vor Ort wird zusammen mit<br />
dem Kunden ermittelt, welche Defekte für ihn am<br />
kritischsten sind. Daraufhin werden Daten direkt<br />
aus der Produktionslinie gesammelt und analysiert.<br />
Die Netzwerke werden vom MBJ Experten<br />
trainiert, installiert und ausgewertet um die<br />
Fehlererkennungsrate zu beurteilen. Zusätzlich<br />
wurden die von 3S definierten Qualitätskriterien<br />
für fehlerhaft einzustufende Module in<br />
der Maschine hinterlegt.<br />
Welche Vorteile bietet MBJ<br />
mit Deep Learning?<br />
Neuronale Netze erkennen die Defekte schneller,<br />
besser und immer gleich. Sie reduzieren<br />
gleichzeitig die Pseudofehlerrate erheblich.<br />
Bemerkenswert ist, dass die künstliche Intelligenz<br />
sehr robust gegenüber Variationen im<br />
Zellmaterial ist. Die aufwändige und fehlerhafte<br />
Optimierung früherer Bildverarbeitungssysteme<br />
mit langen Listen von Parametern entfällt vollständig.<br />
Für eine Optimierung sind nur weitere<br />
Beispielbilder notwendig.<br />
Im Gegensatz zur klassischen Bildverarbeitung<br />
kann die künstliche Intelligenz mit wenig<br />
Aufwand um weitere Defektklassen nach Kundenanforderungen<br />
erweitert werden. Schon<br />
wenige Beispielbilder genügen, um eine neue<br />
Defektklasse anzulegen. ◄<br />
MVDK<br />
Machine Vision<br />
Development Kit<br />
• Alle gängigen Machine-Vision<br />
Schnittstellen verfügbar auf einer<br />
einzigen Entwicklungskarte<br />
• Mit GigE Vision, CoaXPress und USB3<br />
Vision kompatible Plattform<br />
• Sony IMX Pregius- und MIPI CSI-2-<br />
Evaluierungsplattform<br />
• GigE Vision bis zu 10 Gbit/s, CoaXPress<br />
bis zu CXP-12<br />
• Unterstützung für Enclustra Mercury<br />
FPGA-Module mit AMD und Intel-FPGAs<br />
Custom Design<br />
• Sensor to Image kann seinen Kunden<br />
jetzt kundenspezifische Designservices<br />
anbieten.<br />
• Globale Fachkompetenz in den<br />
Anwendungsbereichen Automobile,<br />
Industrie, Medizin, Sicherheit, Militär<br />
und Raumfahrt, um Ihren spezifischen<br />
Anforderungen und Anfragen<br />
nachzukommen.<br />
PC & Industrie <strong>11</strong>/<strong>2023</strong> 31<br />
www.euresys.com/s2i