Durch die integrierten Edge-KI-Funktionen können mit den Kameras z.B. Informationen eines Bildverarbeitungssystems in Echtzeit in Regelkreise eingespeist werden, um eine erweiterte Maschinensteuerung zu ermöglichen, womit sich eine Kamera mikrosekundengenau mit Achsenbewegungen synchronisieren lässt. Alle Hardwarekomponenten benötigen zudem nur eine einzige Leitung (für die Daisy-Chain-Verkabelung mit anderen Visionkomponenten ist jedoch eine zweite Hybridverbindung erforderlich). Die KI-Smart-Kamera umfasst ein Beleuchtungssystem, intelligente Algorithmen und unterstützt eine umfassende Palette KI-basierter Bildverarbeitungsfunktionen, u.a. Anomalie-Erkennung, Deep-Learning-basierte optische Zeichenerkennung (OCR) sowie Objekterkennung und -klassifizierung. Diese können auch mit regelbasierten Algorithmen kombiniert werden.
Mapp Vision Framework
Mapp Vision ist ein in die Automatisierungsplattform von B&R integriertes Set aus Hardwarekomponenten und Softwaretools. Es ist speziell für die B&R-Kameras konzipiert und umfasst Hard-/Software, wie die grafische Oberfläche Mapp Vision HMI zur Visualisierung und Steuerung, sowie weitere Funktionen zur Bilderfassung, -verarbeitung und -analyse. Mapp Vision ist nahtlos in die Automation Runtime von B&R integriert und ermöglicht so eine präzise Steuerung sowie Koordination zwischen Bildverarbeitungsaufgaben und anderen Automatisierungsprozessen. Mit dem Framework können Steuerungsprogrammierer zahlreiche Visionaufgaben mit geringem Programmieraufwand selbst durchführen, ohne dass separate Prozessvariablen erforderlich sind. Die Komponenten kommunizieren intuitiv miteinander, sodass nur wenige Klicks erforderlich sind, um die von einer Smart-Kamera erfassten Bilder in eine HMI-Anwendung zu integrieren. Kamera-, Beleuchtungsparameter und Triggerbedingungen lassen sich im laufenden Betrieb ändern, was Produktwechsel und andere Laufzeitanpassungen vereinfacht. Da die Anwendung zudem auf einer Steuerung gespeichert ist, gehen beim Kamerawechsel keine Daten verloren. Das B&R-Bildverarbeitungssystem ermöglicht daher die einfache Vernetzung mehrerer Maschinen ohne Stabilitäts- oder Qualitätsverlust. In der Intralogistik ist die Maximierung der Lagerkapazität entscheidend. Kompakte Sensoren spielen dabei eine Schlüsselrolle: Höchste Leistung in kompakter Bauform schafft mehr Platz für die Ware, denn die Technik macht sich klein. ‣ weiterlesen
Intralogistik: Neue Baumer ToF-Sensoren machen sich klein
Sub-µs-Synchronisation
Die Kombination aus synchronisierter KI und regelbasierter Bildverarbeitung in einer einzigen Kamera ermöglicht Herstellern die Optimierung von Highspeed-Inspektions-, Sortier- und Handhabungsaufgaben. Triggersignale können nun direkt von der Steuerung oder Motion-Anwendung kommen. Dank der Sub-µs-Präzision werden Bildauslöser und Beleuchtungssteuerung mit dem gesamten Automatisierungssystem synchronisiert. Dies eröffnet neue Möglichkeiten: So benötigen Dynamische Anwendungen mit häufig wechselnden Geschwindigkeiten keinen separaten Encoder am Kameraeingang mehr. Vor diesem Hintergrund hat B&R einen neuen Just-in-Time-Compiler (JIT) entwickelt, der ausführbaren Maschinencode beim Laden der Anwendung generiert, anstatt ihn erst später zur Laufzeit zu interpretieren. In Kombination mit einem Quad-Core-Prozessor reduziert dies die Verarbeitungszeit für Messaufgaben um 75 Prozent, ohne dass zusätzliche PCs erforderlich sind.
Anomalieerkennung in 60ms
Die Anomalie-Erkennung konzentriert sich auf das Auffinden unregelmäßiger Muster oder unerwarteter Abweichungen von der etablierten Normalität in visuellen Daten. Mithilfe regelbasierter Algorithmen lernt eine Kamera, was ‚gut‘ bedeutet, und kann Abweichungen schnell erkennen. Die Anomalie-Erkennungszeit der Kamera beträgt 60ms und ist damit 15-mal schneller als die von Nvidias Jetson. Ein verwandter Messparameter ist die Inferenzzeit. Mit der Anomalie-Erkennung von MVTec werden vorhandene Bilder von einer Smart Camera erfasst. Je nach Komplexität des Fehlerfalls werden voraussichtlich zwischen 30 und 100 Bilder benötigt, um das System zu trainieren. Es ist jedoch keine spezielle Hardware erforderlich, und der Vorgang wird offline mit der Software Mapp Vision simuliert. MK|Ware schafft Transparenz in der Fertigung: Maschinenzustände, Auftragsdaten und Rückmeldungen stehen in Echtzeit bereit. ‣ weiterlesen
Shopfloor-Daten sinnvoll nutzen
Ausblick
Die in diesem Artikel beschriebenen Innovationen bieten Steuerungsverarbeitungszeiten zwischen 60 und 200ms und decken damit die meisten Anwendungen ab. Es gibt jedoch einige Anwendungen, insbesondere in der Lebensmittel- und Getränkeindustrie, die eine noch schnellere Verarbeitung erfordern. B&R entwickelt aktuell eine Technologie, die voraussichtlich eine Regelkreisverarbeitungszeit von unter 10ms ermöglichen wird. Ein weiterer Forschungsbereich ist die trainingsfreie Erkennung von Anomalien mithilfe von Large Language Model (LLM) Symbolic Pattern Discovery. Diese Technologie vereinfacht nicht nur die Erkennung von Problemen, sondern auch die Identifizierung ihrer Ursachen, selbst wenn diese an anderer Stelle im Prozess liegen. Tatsächlich ist dies bereits möglich, wenn die Implementierung regelbasiert ist. Die Frage ist: Werden solche Systeme auch in der Lage sein, Fehler vorherzusagen bevor sie auftreten, und sie im Rahmen der geplanten Wartung beheben, um ungeplante Stillstandszeiten zu vermeiden?
