Intelligente Kameras stoßen bei komplexen Aufgaben aufgrund ihrer geringen Leistungsfähigkeit schnell an ihre Grenzen. Im Gegensatz dazu haben PC-basierte Systeme teilweise eine niedrigere Akzeptanz beim Kunden, da diese Systeme meist geschultes Personal erfordern. Um die Vorteile beider Klassen zu kombinieren, bietet Panasonic seit über 20 Jahren Kompakt-Bildverarbeitungssysteme an. Nach der Markteinführung des Kompakt-Bildverarbeitungssystems PV500 (Bild 1) vor einem Jahr stellt Panasonic jetzt ein System zum Zeichenlesen vor: den PV530. Das System verfügt über insgesamt fünf Prozessoren. Die zentrale Steuerungs-CPU wird von einem Spezialprozessor zur Bildvorverarbeitung, einem Grafikbeschleuniger und zwei unabhängig arbeitenden Signalprozessoren unterstützt. Damit ist das Bildverarbeitungssystem in der Lage, auch komplexe Aufgaben wie z.B. Aufdruck- oder Zeichenkontrolle schnell und zuverlässig zu lösen. Was ist Zeichenkontrolle? Unter dem Oberbegriff \’Zeichenkontrolle\‘ sind zahlreiche Prüfverfahren zusammengefasst (Tabelle 1). Von den genannten Methoden werden die Bestimmung der Druckqualität (OCV) und das Zeichenlesen (OCR) am häufigsten verwendet. In der industriellen Praxis kommen die Prüfungen meist in Kombination vor. Ein typisches Beispiel ist die Verifizierung des Haltbarkeitsdatums in der Getränke-, Lebensmittel- und Pharmaindustrie. Hier muss nicht nur der Aufdruck gelesen werden (OCR), sondern auch dessen Druckqualität bestimmt werden. Wie funktioniert das Zeichenlesen? Am Beispiel des Zeichenlesens (OCR) lässt sich die Funktion der Verfahren gut erklären. Meist sind für eine Kontrolle zwei Schritte erforderlich. In einem ersten Schritt werden die einzelnen Buchstaben oder Zeichen eingelernt, um im zweiten Schritt automatisch erkannt zu werden. Das Einlernen ist nötig, damit das Erkennungsverfahren die unterschiedlichen Ausprägungen (z.B. dick-dünn, hell-dunkel) der Zeichen kennt. Die Zahl der anzulernenden Muster hängt von deren Streuung und später verwendeten Erkennungsverfahren ab. Beim Imagechecker PV530 reichen für eine erste sichere Erkennung schon eine Handvoll Muster aus. Für häufige Schriftfonts wie OCR-A und OCR-B werden bei vielen Geräten fertig trainierte Datensätze mitgeliefert. Nach der Trainingsphase beginnt die eigentliche Auswertung. Diese gliedert sich in drei Stufen: 1. Segmentierung der Zeichen 2. Bestimmung der Erkennungsmerkmale 3. Klassifikation Segmentierung der Zeichen Der erste Schritt der Auswertung ist die Segmentierung. Bei ihr wird die Lage und Größe der einzelnen Zeichen erkannt. In Bild 2 sind diese Bereiche mit roten Rechtecken markiert. Selten stehen Zeichen sauber getrennt nebeneinander. In der Praxis müssen diese auch dann sicher gelesen werden, wenn sie ineinander laufen (Bild 2b), teilweise verdeckt sind (schwarzer Fussel in Bild 2c) oder auf strukturiertem Untergrund wie einer Blisterverpackung gedruckt sind (2d). Der PV530 verfügt über Filter, mit denen sich solche \’Störungen\‘ ausblenden lassen und so eine sichere Segmentierung ermöglichen. Erkennungsmerkmale bestimmen Im zweiten Schritt werden für jedes Zeichen typische Merkmale bestimmt. Merkmale wie Anzahl der Löcher (eine \’8\‘ hat zwei Löcher, eine \’0\‘ nur eines) oder das Höhen-Breitenverhältnis (ein \’W\‘ ist breiter als ein \’I\‘) sind noch gut vorstellbar. Oft kommen aber auch komplexere Merkmale wie horizontale/vertikale Helligkeitsverteilungen oder Kontraste zum Einsatz. Erkennung mittels Klassifikation Erst im dritten Schritt findet die eigentliche Erkennung mittels eines Klassifikations-Verfahrens statt. Ein Klassifikator fasst die eben bestimmten Merkmale zu einer Klasse zusammen. Einer Klasse entspricht dabei genau ein Buchstabe. Anschaulicher wird dies in Bild 3. Stark vereinfacht werden Zeichen hier nur mit den zwei Merkmalen \’Anzahl Löcher\‘ und \’Zeichenbreite\‘ unterschieden. In der Grafik sind die Werte verschiedener Buchstaben eingetragen. Zwar schwanken diese, doch lassen sich klar Gruppen erkennen. Der Klassifikator fasst alle benachbarten Messwerte zu einer Klasse zusammen und gibt den zugehörigen Buchstaben aus. Für eine sichere Erkennung reicht eine solche einfache Klassifikation nicht aus. Hier werden komplexere mathematische Verfahren wie neuronale Netze oder Support-Vektor-Maschinen verwendet. Praxisbeispiele Der Einsatzbereich der Zeichenkontrolle ist weit gefächert: Sie kommt in der Automobil-, Elektro- und Kosmetikindustrie genauso vor wie in der Pharma- oder Lebensmittelbranche. In jedem dieser Wirtschaftszweige werden Chargennummern, Produktions- oder Verfalldaten erfasst. Das folgende Beispiel zeigt eine Anwendung aus der Praxis, bei der mit dem Bildverarbeitungssystem PV530 mehrere Prüfungen durchgeführt werden. In der deutschen Fertigung von Panasonic in Pfaffenhofen werden u.a. Sicherheitsrelais gefertigt. Sie sorgen z.B. in Not-Aus-Kreisen für eine sichere Lasttrennung. Zur Qualitätskontrolle kommen mehrere Bildverarbeitungssysteme zum Einsatz. Am Ende der vollautomatischen Produktionslinie werden die Gehäuse auf die Sicherheitsrelais montiert. Auf dem Gehäuse ist neben der Typbezeichnung die Chargennummer aufgedruckt. Das ist besonders für die Rückverfolgbarkeit wichtig. Die Beschriftungsdaten kommen aus einem übergeordneten Prozessleitsystem und werden mithilfe eines Lasermarkiersystems (LPV10 von Panasonic) fälschungssicher in das Gehäuse eingebrannt. Das Bildverarbeitungssystem PV530 liest direkt nach der Laserung die Beschriftung. Anschließend wird der gelesene String mit den Vorgaben der Datenbank verglichen, um zu verifizieren, dass die Datenbankeinträge mit dem real produzierten Relais übereinstimmen.
Panasonic Electric Works Europe AG
