Bis dato agierte die Automatisierungsbranche meist unabhängig von der industriellen Bildverarbeitung. Dies mag daran liegen, dass beide Welten sehr unterschiedlich ‚ticken‘ und eine getrennte Historie aufweisen: Während die Wurzeln der modernen Automatisierung weit in die 1960er- und 1970er-Jahre zurückreichen, ist Machine Vision eine vergleichsweise junge Technologie, die sich gerade in den vergangenen zwanzig Jahren stark weiterentwickelte. Viele Automatisierer arbeiten seit jeher mit bewährten Steuerungs- und Sensorsystemen und waren modernen, ‚sehenden‘ Verfahren gegenüber eher weniger aufgeschlossen.

Einfacheres Handling

Mit 'Merlic' von MVTec können Anwender auch ohne Spezialkenntnisse in Machine Vision anspruchsvolle Bildverarbeitungs-Applikationen erstellen.

© MVTec

Doch nun integrieren mit B&R und Beckhoff erstmals zwei renommierte Anbieter Bildverarbeitungstechnologie nahtlos in ihre Steuerungskonzepte. Machine-Vision-Anbieter beobachten diese Entwicklung mit Interesse und kreieren ihrerseits Lösungen, auf deren Basis beide Disziplinen enger zusammenwachsen können. Von den daraus resultierenden Synergie-Effekten profitieren Anwender zum Beispiel durch einfachere, schnellere und präzisere Handling-Prozesse. MVTec als Anbieter von Machine-Vision-Standard-Software beispielsweise kooperiert eng mit Unternehmen aus der Automatisierungsbranche, diverse Sensor-Hersteller integrieren Softwarelösungen des Unternehmensstandardmäßig in ihre Smart-Sensoren.

Das Besondere an der Integration von Machine Vision und Automatisierung besteht darin, dass sich die Grenzen beider Systemwelten kontinuierlich verschieben – der vorherrschende Trend geht in Richtung vereinfachte Handhabung. Das heißt, auch Nutzer ohne fundierte Programmierkenntnisse sollen Bildverarbeitungs-Anwendungen einfach und schnell erstellen und implementieren können. MVTec verfolgt diesen Ansatz beispielsweise mit der Software ‚Merlic‘, die für diese Aufgabenstellung intuitiv bedienbare, nutzerfreundliche Tools enthält. Erfahrung im Coding ist nicht erforderlich. Die jeweiligen Werkzeuge – etwa für das Messen oder Zählen von Objekten – sind bild-basiert dargestellt und führen den Nutzer durch die komplette Anwendung.

Zudem lässt sich die Software durch Schnittstellen zu den gängigen Elementen der Machine-Vision-Peripherie und durch die Unterstützung von Standards wie OPC UA, GigE-Vision oder GenICam nahtlos in unterschiedliche Hardware-Setups sowie SPS- beziehungsweise Produktionsumgebungen integrieren.
 

Embedded Vision

Moderne Machine-Vision-Anwendungen laufen auf gängigen Embedded-Systemen wie etwa der ARM-Architektur.

© MVTec

Ein Wachstumsmarkt, mit dem sich Automatisierungsanbieter ebenso wie Machine-Vision-Anbieter auseinandersetzen müssen, sind Embedded-Systeme. Anwender sollten hier von nutzerfreundlichen, einfachen und robusten Embedded-Vision-Lösungen und entsprechenden Werkzeugen profitieren können. Dazu müssen Entwickler in der Erstellung von Applikationen auf Embedded Devices unterstützt werden. Wichtig ist vor allem die Kompatibilität mit Embedded-Systemen wie beispielsweise der weit verbreiteten ARM-Architektur. ‚Halcon‘ von MVTec etwa läuft standardmäßig auf ARM-basierten Plattformen mit dem Betriebssystem Linux ohne spezielle Portierung. Zudem lässt sich die Vision-Software auf Embedded-Plattformen wie Android, BeagleBoard-xM oder DragonBoard portieren. Auf diese Weise können Unternehmen Machine-Vision-Funktionen in vollem Umfang auch auf kompakten Hardware-Devices nutzen.

Moderne Machine-Vision-Lösungen ermöglichen es zudem, Bildverarbeitungsanwendungen auf einer Standardplattform (etwa einem PC) zu entwickeln und anschließend auf einem Embedded-System auszuführen. Hintergrund ist der, dass auf einem Desktop-PC ein größerer Monitor und komfortablere Eingabegeräte wie Tastatur und Maus zur Verfügung stehen. Nichtsdestotrotz lässt sich auf dem Embedded-Gerät die gesamte Machine-Vision-Bibliothek einschließlich aller Werkzeuge nutzen. Da­­für sorgt zum Beispiel eine spezielle Soft­ware-Engine, die auch auf den Devices läuft und darüber hinaus Remote-Verbindungen zum Debugging unterstützt. So lässt sich die gesamte Embedded-Vision-Entwicklung vereinfachen.
 

Deep Learning auf Embedded Devices

In der smarten Fabrik kommunizieren Maschinen, Roboter, Transfer- und Handling-Systeme, Sensoren, Bildeinzugsgeräte und weitere Komponenten nahtlos miteinander.

© MVTec

Die genannten Aspekte in puncto Usability gelten insbesondere auch für die Nutzung neuer Technologien wie zum Beispiel künstlicher Intelligenz (KI). KI-Anwendungen sind in der Regel sehr komplex und aufwendig im Handling; zudem erfordern sie tiefgehende Fachkenntnisse auf Seiten der Anwender. Vorteilhaft ist es daher, wenn Machine-Vision-Lösungen umfassende, KI-basierte Deep-Learning-Funktionen bereits ‚out of the box‘ bieten. Damit lassen sich ohne großen Konfigurationsaufwand selbstlernende Algorithmen für anspruchsvolle Klassifikationsaufgaben einsetzen und gleichzeitig der Trainingsaufwand signifikant reduzieren, etwa durch die Nutzung eines bereits vortrainierten neuronalen Netzes.

Im Sinne einer nahtlosen Vision Integration lassen sich entsprechende Anwendungen auch einfach auf Embedded-Plattformen portieren. So hat MVTec beispielsweise die Deep-­Learning-Inferenz von ‚Halcon 17.12‘ erfolgreich auf dem Embedded-Board ‚NVidia Jetson TX2‘, das auf 64-bit-ARM-Prozessoren basiert, getestet. So können Anwender die Vorteile des Deep ­Learning auch auf dem NVidia-Board nutzen. Möglich wird dies durch die Verfügbarkeit von zwei vorgefertigten Netzen, die ­standardmäßig mit ausgeliefert werden. Eines davon, das sogenannte ‚Compact‘-Netzwerk, ist geschwindigkeitsoptimiert und insbesondere für Embedded Boards geeignet. Neben Deep Learning steht auf den Embedded Devices aber auch die volle Funktionalität der Standard-Bildverarbeitungs­bibliothek zur Ver­fügung. 
 

Zusammenspiel von Machine Vision und SPS

Vision Integration in der Praxis: 'Merlic' unterstützt Standards wie OPC UA, GigEVision oder GenICam. Dies vereinfacht die Integration in SPS- beziehungsweise Produktionsumgebungen.

© MVTec

Nicht zuletzt müssen die Branchen Automatisierung und Machine Vision auch deshalb eng zusammenwachsen, um die Anforderungen von Industrie 4.0 beziehungsweise dem Industrial Internet of Things (IIoT) zu erfüllen. Hier sind durchgängig vernetzte und hochautomatisierte Prozessketten gefordert – und dabei müssen Maschinen, Roboter, Transfer- und Handling-Systeme, Sensoren, Bildeinzugsgeräte und weitere industrielle Komponenten nahtlos miteinander kommunizieren. In diesem Kontext hat das reibungslose Zusammenspiel zwischen Bildverarbeitung und SPS eine große Bedeutung – hier bedarf es gemeinsamer Normen und Standards.

An diesem Punkt kommt die Open Platform Communications Unified Architecture (OPC UA) ins Spiel, eines der wichtigsten M2M-Kommunikationsprotokolle. Das Besondere an der aktuellen OPC-UA-Spezifikation ist, dass sie ein umfassendes Informationsmodell zur Beschreibung von Maschinendaten enthält, das erstmals eine semantische Interoperabilität zwischen vernetzten Komponenten ermöglicht. Dabei werden sämtliche Maschinendaten wie Regelgrößen, Messwerte oder Parameter nicht nur transportiert, sondern auch semantisch beschrieben, sodass sie auch von Maschinen und Robotern gelesen werden können. Die Software-Lösungen von MVTec unterstützen das OPC-UA-Protokoll standardmäßig. Zudem engagiert sich das Unternehmen aktiv in der OPC-Vision-Initiative des VDMA und beteiligt sich an der Entwicklung der ‚OPC UA Companion Specification for Machine Vision‘.

Autor: 
Dr. Maximilian Lückenhaus st Director Marketing + Sales bei MVTec Software in München.