Der vollständige Leitfaden
Machine-Vision-Systeme
Wie sie funktionieren, woraus sie bestehen und wie Sie das richtige auswählen.
Ein klarer Leitfaden für alle, die automatisierte Prüfung an die Linie bringen, von den vier Schritten im Inneren bis hin zu einer Checkliste für den Kauf.
Was ist ein Machine-Vision-System?
Ein automatisiertes System, das Kameras, Beleuchtung und Software nutzt, um Bilder von Produkten aufzunehmen und zu analysieren und anschließend eine Entscheidung zu treffen: Gut, Ausschuss oder eine Messung. So prüft eine Fabrik jedes Teil in Linientaktung, statt Stichproben zu ziehen oder sich auf das menschliche Auge zu verlassen. Machine-Vision-System, Bildverarbeitungssystem und industrielles Bildverarbeitungssystem bedeuten alle dasselbe.
Funktionsweise
Vier Schritte, alle in Millisekunden
Vom Moment, in dem das Teil die Station erreicht, bis die Linie auf das Ergebnis reagiert.
Aufnehmen
Eine Kamera und kontrollierte Beleuchtung nehmen ein scharfes Bild des Teils auf, sobald es die Station erreicht.
Verarbeiten
Die Software bereitet das Bild auf, anschließend analysiert es ein regelbasiertes Werkzeug oder ein trainiertes KI-Modell.
Entscheiden
Das System klassifiziert das Teil als gut oder schlecht oder liefert eine Messung im Verhältnis zur Toleranz.
Handeln
Es meldet einen Ausschuss, protokolliert das Ergebnis oder teilt der SPS mit, was zu tun ist, bevor das Teil weiterläuft.
Schritt 4 in der Praxis: jede Prüfung protokolliert und in Echtzeit sichtbar, ob Gut oder Ausschuss.
Aufbau
Die Komponenten eines Machine-Vision-Systems
Dieselben Grundbausteine, ob in einer einzigen Smart-Kamera oder verteilt auf einen PC-basierten Aufbau.
Kamera oder Sensor
Nimmt das Bild auf. Auflösung und Bildrate bestimmen das kleinste auflösbare Detail und Ihre maximale Liniengeschwindigkeit.
Beleuchtung
Macht den Defekt sichtbar. Gute Beleuchtung ist der Unterschied zwischen einem offensichtlichen und einem unsichtbaren Fehler.
Objektiv und Optik
Legen Sichtfeld, Arbeitsabstand und Fokus fest und bestimmen, wie viel vom Teil und wie scharf Sie es sehen.
Prozessor und Software
Führt die Analyse aus. Regelbasierte Logik oder ein trainiertes Deep-Learning-Modell macht aus dem Bild eine Entscheidung.
Kommunikation und E/A
Verbindet sich über EtherNet/IP, PROFINET oder OPC UA mit der Linie, um Ausschüsse auszulösen und Daten auszutauschen.
Integration in die Linie
Montage, Triggerung und Timing, damit das System das richtige Teil im richtigen Moment prüft.
Begriffe
Machine Vision vs. Computer Vision vs. KI-Vision
Drei Begriffe, die sich überschneiden. So hängen sie zusammen.
| Begriff | Was er bedeutet | Wo er angesiedelt ist |
|---|---|---|
| Computer Vision | Die weite Wissenschaft, Computer dazu zu bringen, Bilder und Videos zu interpretieren. | Forschung, Software, jeder Bereich. |
| Machine Vision | Die industrielle Anwendung von Computer Vision, um Teile zu prüfen und Anlagen zu steuern. | Die Produktionshalle, in Echtzeit. |
| KI-Vision | Machine Vision, die mit einem trainierten Deep-Learning-Modell statt mit festen Regeln entscheidet. | Moderne Linien, für variable und kosmetische Defekte. |
Tauchen Sie tiefer ein in Computer Vision vs. Machine Vision und Machine Vision vs. KI-Vision.
KI-Vision in Aktion
Sie lernt das gute Teil und markiert dann, was abweicht
Statt einer festen Regel lernt ein KI-Vision-System aus Beispielbildern und liefert für jede Einheit ein Urteil mit einem Konfidenzwert. Hier gibt es eine saubere Sensoroberfläche frei und weist zwei mit subtilen kosmetischen Defekten zurück, also genau die Art variabler Fehler, an der herkömmliche Schwellenwerte scheitern.
Taxonomie
Typen von Machine-Vision-Systemen
Smart-Kameras vs. PC-basierte Systeme
Eine Smart-Kamera vereint Sensor, Rechenleistung und oft auch die Beleuchtung in einer einzigen Einheit und ist einfacher einzusetzen und zu warten. Ein PC-basiertes System verbindet separate Kameras mit einem Industrierechner, was bei sehr hohen Auflösungen oder vielen Kameras nützlich ist, allerdings mit mehr Komponenten und Integrationsaufwand verbunden ist.
2D vs. 3D
2D-Systeme arbeiten mit einem flachen Bild und decken den Großteil von Prüfung, Lesen und Messung ab. 3D-Systeme ergänzen Höhe und Form für Volumen-, Verzugs- und Sitzkontrollen, bei denen ein flaches Bild nicht ausreicht.
Regelbasiert vs. KI
Regelbasierte Systeme nutzen programmierte Messungen und sind präzise für vorhersehbare Merkmale. KI-Systeme lernen aus Beispielbildern, was es überhaupt erst praktikabel macht, variable Oberflächen und kosmetische Defekte zu automatisieren.
Kaufratgeber
Wie Sie ein Machine-Vision-System auswählen
Beginnen Sie mit dem Defekt und dem Teil und arbeiten Sie sich von dort aus zum System zurück.
Kann es Ihren Defekt abbilden?
Stellen Sie sicher, dass Auflösung, Optik und Beleuchtung Ihren spezifischen Defekt sichtbar machen können. Hier entscheidet sich, ob die meisten Projekte gelingen oder scheitern.
Kommt es mit Ihrer Variation zurecht?
Teile variieren. Vergewissern Sie sich, dass das System den normalen Bereich Ihrer Gutteile ohne Fehlausschüsse toleriert.
Wie schnell lässt es sich einsetzen und wer bedient es?
Wägen Sie einen integratorgeführten Aufbau in Wochen gegen ein System ab, das Ihr eigenes Team in Tagen einrichtet.
Passt es in Ihre Linie?
Prüfen Sie Protokolle, Triggerung und Montage gegen Ihre bestehende Ausrüstung.
Testen Sie es mit Ihren echten Teilen.
Ein Proof of Concept mit Ihren realen Mustern ist die einzige zuverlässige Art, ein System zu bestätigen, bevor Sie sich festlegen.
Für die finanzielle Seite sehen Sie sich an, wie Sie den Business Case aufbauen, und nutzen Sie den ROI-Rechner.
An der Linie
Was Machine-Vision-Systeme prüfen
Ein Ausschnitt häufiger Aufgaben. Sehen Sie das vollständige Spektrum unter Machine-Vision-Anwendungen.
Wo Overview passt
Ein vollständiges Machine-Vision-System, kein Baukasten aus Einzelteilen
Overview liefert Kamera, Edge-Rechenleistung, Beleuchtung und KI-Software als eine einzige IP67-Smart-Kamera. Ihr Qualitätsteam trainiert sie im Browser mit Ihren Teilen und nimmt sie in Tagen in Betrieb, ohne Integrator und ohne Cloud.
Eine Einheit, nicht fünf
Sensor, Rechenleistung und Beleuchtung integriert, mit nativer SPS-Anbindung.
Einsatzbereit in Tagen
Einrichtung im Browser durch Ihr eigenes Team. Veröffentlichte Preise von 4.500 $ bis 13.500 $.
KI am Edge
Inferenz auf einer integrierten NVIDIA-GPU. Funktioniert offline, Ihre Daten bleiben vor Ort.
Hersteller, die Overview AI in der Produktion einsetzen
Hersteller, die Overview AI in der Produktion einsetzen
FAQ
Häufig gestellte Fragen
Was ist ein Machine-Vision-System?
Ein Machine-Vision-System ist ein automatisiertes System, das eine oder mehrere Kameras, Beleuchtung und Software nutzt, um Bilder von Produkten aufzunehmen und zu analysieren und anschließend eine Entscheidung wie Gut, Ausschuss oder eine Messung zu treffen. Es führt die visuelle Prüfung an einer Produktionslinie in Linientaktung durch, an jedem einzelnen Teil und ohne menschliche Ermüdung.
Wie funktioniert ein Machine-Vision-System?
Ein Machine-Vision-System arbeitet in vier Schritten. Zuerst nimmt es mit einer Kamera und kontrollierter Beleuchtung ein Bild auf. Zweitens verarbeitet die Software das Bild. Drittens trifft es eine Entscheidung anhand programmierter Regeln oder eines trainierten KI-Modells. Viertens handelt es auf Basis des Ergebnisses, indem es einen Ausschuss meldet, Daten protokolliert oder einer SPS mitteilt, was zu tun ist. Alle vier Schritte laufen in Millisekunden ab.
Was ist der Unterschied zwischen Machine Vision und Computer Vision?
Computer Vision ist das weite Fachgebiet, Computern das Interpretieren von Bildern beizubringen. Machine Vision ist die angewandte, industrielle Nutzung dieser Technologie, um Teile zu prüfen und Anlagen an einer Produktionslinie zu steuern. Machine Vision ergänzt die Kameras, die Beleuchtung, die Echtzeitgeschwindigkeit und die Linienintegration, die eine Fabrik benötigt.
Aus welchen Komponenten besteht ein Machine-Vision-System?
Ein Machine-Vision-System besteht aus einer Kamera oder einem Sensor, der Beleuchtung, einem Objektiv und der Optik, einem Prozessor, der die Prüfsoftware ausführt, und einer Kommunikationsschnittstelle zur Linie. In einer All-in-One-Smart-Kamera sitzen diese Elemente in einem einzigen Gehäuse. In einem PC-basierten System sind es separate Komponenten, die mit einem Industrierechner verbunden sind.
Was kostet ein Machine-Vision-System?
Die Kosten hängen von der Architektur ab. PC-basierte Systeme, die von einem Integrator aufgebaut werden, werden pro Projekt kalkuliert und erreichen mit der Integration oft Beträge im fünfstelligen Dollarbereich. All-in-One-KI-Smart-Kameras werden pro Einheit kalkuliert. Overview veröffentlicht Preise pro Kamera von 4.500 $ bis 13.500 $, sodass die Kosten von Anfang an klar sind.
Wie wähle ich ein Machine-Vision-System aus?
Beginnen Sie mit dem Defekt und dem Teil und arbeiten Sie sich von dort aus zurück. Stellen Sie sicher, dass das System Ihren Defekt mit der richtigen Auflösung und Beleuchtung abbilden kann, prüfen Sie, ob es mit der Variation Ihrer Teile umgehen kann, wägen Sie ab, wie schnell es sich einsetzen lässt und wer es bedient, und vergewissern Sie sich, dass es sich in Ihre Linie integrieren lässt. Kandidaten mit Ihren echten Teilen zu testen, ist die zuverlässigste Art, eine Entscheidung zu treffen.
Related Articles
Machine Vision erklärt
Ein verständlicher Leitfaden dazu, wie Machine Vision funktioniert und wo sie eingesetzt wird.
Read More →Die besten Machine-Vision-Lösungen für Fabriken
Wie sich die führenden Machine-Vision-Optionen für die Produktion vergleichen.
Read More →KI-Vision-Systeme erklärt
Wie Deep Learning verändert hat, was Vision-Systeme prüfen können.
Read More →Sehen Sie ein Machine-Vision-System an Ihren Teilen
Sagen Sie uns, was Sie prüfen müssen, und ein Vision-Ingenieur zeigt Ihnen, wie Overview es erkennt, in der Regel mit einem System, das innerhalb weniger Tage an Ihrer Linie läuft.