Die besten Kamerakomplettlösungen für die automatisierte Qualitätskontrolle

Warum die Leistung der Maschinenvisionskamera die Inspektionsgenauigkeit bestimmt

Auflösung und Pixeldichte: Erkennen von submillimeternen Fehlern bei Produktionsgeschwindigkeit

Eine bessere Auflösung bedeutet, dass wir kleinste Fehler erkennen können, die kleiner als ein Millimeter sind, manchmal sogar nur 1,5 Mikrometer, da einfach mehr Pixel auf der Sensorfläche untergebracht sind. Doch allein eine hohe Auflösung reicht nicht aus. Damit KI-Inspektionen optimal funktionieren, sollten die betrachteten Merkmale etwa 5 bis 10 Pixel abdecken. Dadurch entsteht der ideale Kompromiss, bei dem ausreichend Details erfasst werden, ohne die Verarbeitungsgeschwindigkeit zu stark zu verlangsamen. Über diesen Bereich hinauszugehen führt lediglich dazu, dass sich die Daten schneller ansammeln, ohne unsere Fähigkeit signifikant zu verbessern, gute von schlechten Teilen zu unterscheiden – was letztlich Produktionslinien verlangsamen kann. Heutige Global-Shutter-CMOS-Sensoren treffen diesen Kompromiss ziemlich gut und erreichen dabei eine Erkennungsgenauigkeit von rund 99 %, während sie weiterhin mit der Bearbeitung von Hunderten von Teilen pro Minute Schritt halten können. Entscheidend ist weniger die Anzahl der Megapixel der Kamera, sondern vielmehr die richtige Anzahl an Pixeln sowohl für die kleinsten Details, die wir erkennen müssen, als auch für die Geschwindigkeit, mit der sich die Montagelinie bewegt.

Bildwiederholrate und Trigger-Synchronisation: Eliminierung von Bewegungsunschärfe bei Hochgeschwindigkeitslinien

Bewegungsunschärfe verursacht immer noch die meisten übersehenen Fehler auf diesen schnellen Produktionslinien, selbst wenn Unternehmen teure ultrascharfe Sensoren installieren. Wenn die Linie über 1.000 Teile pro Stunde verarbeitet, muss die Kamera jedes Teil in weniger als 20 Millisekunden erfassen, um die Kanten ausreichend scharf zu halten. Hier kommen globaler Verschluss mit Encodersynchronisation zum Einsatz. Diese Kameras synchronisieren die Belichtungszeit exakt mit der Position des Teils auf dem Förderband, wodurch die Erkennungsrate auch bei Höchstgeschwindigkeit bei etwa 98,5 % bleibt. Der Unterschied zu älteren Systemen ohne Synchronisation ist enorm. Fabriken in der Automobilproduktion und der Elektronikmontage verzeichnen nach einem Upgrade etwa 80 % weniger Fehlalarme. Das ist auch verständlich, da in diesen Branchen Bauteile im Mikrometerbereich bearbeitet werden und somit kein Raum für Schätzungen oder Fehler bleibt.

Vergleich führender Maschinenvisions-Kameraplattformen für industrielle Inspektion

Basler ace 2 vs. FLIR Blackfly S: Praxisnahe Benchmarking zu Präzision, Stabilität und SDK-Unterstützung

Die Basler Ace 2-Serie nutzt jene hervorragenden Sony Pregius Sensoren, die tatsächlich eine Messwiederholbarkeit von weniger als 0,1 Pixel erreichen, selbst wenn starke industrielle Vibrationen auftreten. Zudem weisen diese Kameras eine bemerkenswerte Verstärkungsstabilität auf und bleiben innerhalb von ±0,05 Prozent, trotz Temperaturschwankungen von bis zu 15 Grad Celsius. Hervorzuheben ist insbesondere ihr Pylon SDK, das sich hervorragend mit Roboterarmen und SPS-Netzwerken verbinden lässt und sie somit absolut ideal für schnell laufende Produktionslinien macht, die über 200 Bilder pro Sekunde verarbeiten. Andererseits haben die FLIR Blackfly S-Modelle ihre eigenen Vorzüge, wie eine proprietäre Bildverarbeitung, die Bewegungsartefakte auf sehr schnellen Förderbändern um etwa 40 % reduziert. Nicht zu vergessen ist das Spinnaker SDK, das mehrere Programmiersprachen unterstützt, darunter Python, C# und .NET. Beide Kamerasysteme bewältigen Inspektionsaufgaben bei Halbleiterwafern und Bauteilen für Elektrofahrzeug-Batterien problemlos, unterscheiden sich jedoch in spezifischen Einsatzbedingungen. Basler zeichnet sich bei großflächigen Installationen durch bessere thermische und mechanische Stabilität aus, während FLIR in Situationen mit extrem schwacher Beleuchtung überzeugt und selbst bei Lichtpegeln unter 0,1 Lux exzellente Ergebnisse liefert.

Smart-Kameras (Cognex Insight, Keyence CV-X) vs. PC-basierte Maschinenvisionskamerasysteme

Intelligente Kameras von Marken wie Cognex Insight und Keyence CV-X beschleunigen die Abläufe erheblich. Bei einfachen Maßprüfungen können diese Geräte bereits in weniger als zwei Tagen in Betrieb genommen werden, da sie über integrierte Prozessoren verfügen und bereits gängige Fehlermuster vorprogrammiert haben. Zudem sparen sie rund 30 % an Verkabelungskosten, wenn sie allein an Arbeitsstationen eingesetzt werden – eine große Erleichterung für Fabriken, in denen jeder Quadratzentimeter zählt. Auf der anderen Seite bieten Computersysteme, die mit leistungsstarken GPU-Servern verbunden sind, den Herstellern etwa die fünffache Rechenleistung für anspruchsvollere Aufgaben wie die Erkennung feiner Oberflächenfehler, die dreidimensionale Vermessung von Objekten aus mehreren Blickwinkeln oder die Anpassung von Modellen während des laufenden Betriebs. Solche Systeme ermöglichen es Unternehmen, gleichzeitig über fünfzig verschiedene Produkte über Netzwerke mit mehreren Kameras hinweg zu steuern – ein entscheidender Vorteil bei vielfältigen Fertigungsläufen. Sicher, intelligente Kameras erleichtern den Einstieg in die Qualitätskontrolle, aber computergestützte Systeme sind hinsichtlich Skalierbarkeit, schneller Anpassung von Algorithmen und Bewältigung hoher Rechenanforderungen einfach unschlagbar.

So wählen Sie die richtige Industriekamera für Ihre Qualitätskontrollanwendung aus

Ein praktischer Entscheidungsrahmen: Ausrichtung der Kameradaten auf Produkttoleranzen, Fördergeschwindigkeit und Beleuchtungsbedingungen

Bei der Fehlererkennung sollte man mit dem kleinsten zu erkennenden Fehler beginnen. Nehmen Sie diese Dimension, zum Beispiel einen 0,1 mm Kratzer, und teilen Sie sie durch den vom Fachbereich empfohlenen Wert von 3 bis 4 Pixeln pro Merkmal. Das ergibt eine Grundlage für den erforderlichen Auflösungsbedarf. Auch die Geschwindigkeit des Förderbandes spielt eine Rolle. Wenn sich die Gegenstände schneller als 1 Meter pro Sekunde bewegen, benötigen wir wirklich Global-Shutter-Sensoren mit Bildraten über 120 fps. Und wenn die Produktion über 200 Teile pro Minute erreicht, muss die Belichtungszeit unter einer halben Millisekunde liegen, da sonst alles unscharf wird. Die Lichtverhältnisse stellen eine weitere Herausforderung dar. In schlecht beleuchteten Umgebungen sollten Kameras eine Quanteneffizienz von mehr als 75 % und eine Dynamik von über 70 dB aufweisen, damit Bilder ihre Kontraste und Klarheit behalten. Die Anwendung dieses Ansatzes in drei Schlüsselbereichen sorgt dafür, dass Kameras tatsächlich auch im praktischen Einsatz winzige Fehler zuverlässig erkennen – nicht nur auf dem Papier. So bleiben die Kosten im Rahmen, ohne die tägliche Zuverlässigkeit auf der Produktionsfläche zu beeinträchtigen.