Bildverarbeitung

Presslinien führen einen mehrstufigen Umformprozess durch, der in der Praxis weitestgehend als Blackbox betrieben wird. Erst am Ende der Linie findet eine Qualitätskontrolle und gegebenenfalls eine Anpassung der Anlagenparameter statt, sollte ein Fehler aufgetreten sein. Im Forschungsprojekt SmartPress wird ein System entwickelt, das mithilfe bildgebender Sensorik Informationen über die aktuelle Platine aus den einzelnen Prozessstufen extrahiert. So werden z. B. Daten über Ziehränder mit dem Wissen über den aktuellen Systemzustand (z. B. aktuelle Haltekräfte) kombiniert. Ein neuronales Netz bildet die hochkomplexen Zusammenhänge zwischen Anlagenparametern und Produkteigenschaften ab. Auftretende Veränderungen an den Platinen werden so im laufenden Prozess erkannt und Anlagenparameter entsprechend produktindividuell angepasst.

Im Gegensatz zum Einsatz von Robotern in standardisierten Produktionsprozessen müssen Roboter innerhalb von dynamischen Logistikprozessen flexibel und anpassungsfähig gegenüber variablen Umgebungsbedingungen und nicht standardisierten Gütern sein. Durch die Fortschritte im Bereich der künstlichen Intelligenz und die Vernetzung durch Industrie 4.0 werden Roboter in Zukunft auch komplexe Aufgabenstellungen in der Logistik zuverlässig ausführen können. Eine entscheidende Komponente eines Robotersystems stellt die Interpretation der Arbeitsumgebung mithilfe von multi-modalen Sensorsystemen dar. Der Beitrag beschreibt Anwendungen für Robotersysteme in der Logistik und stellt im Rahmen der Depalettierung ein Beispiel der Interpretation von multi-modalen Sensordaten vor.

Die optische Inspektion von Bauteilen hinsichtlich Geometrie- und Oberflächenabweichungen ist eine typische Aufgabe der industriellen Bildverarbeitung. Neben der 2D Oberflächenanalyse spielen 3D Informationen zur Ermittlung von Geometrie- und Formparametern eine immer entscheidendere Rolle. Techniken die dabei zum Einsatz kommen sind unter anderem Triangulationstechniken, Lichtschnittverfahren, oder strukturierte Beleuchtung. Betrachtet man allerdings Bauteildimensionen unter einem Millimeter, ergeben sich neue Herausforderungen für diese Verfahren [1, 2]. Das Erzeugen von 3D Information im Mikrobereich ist somit sehr aufwendig und zeitintensiv. In diesem Beitrag wird deshalb eine Softwareplattform vorgestellt, mit der bereits in der Projektierungsphase ideale sensorabhängige 3D Bilddaten erzeugt werden können, ohne den Messaufbau realisiert zu haben. Mit diesen simulierten 3D Daten kann parallel zur Entwicklung der Messtechnik die Bildverarbeitungssoftware entworfen werden.

Eine zentrale Aufgabe der industriellen Bildverarbeitung ist die Erkennung von Oberflächen- und Formfehlern auf Bauteilen während der Produktion. Durch eine präzise und zuverlässige Fehlererkennung lässt sich auf Prozessveränderungen, wie bspw. Werkzeug- oder Materialverschleiß, rückfolgern, frühzeitig eingreifen und somit die Ausschussrate reduzieren. In vielen Bereichen, u.a. Wafer-Produktion, ist eine optische Kontrolle Stand der Technik. Allerdings wird in sehr vielen Fällen eine Bildverarbeitungsmethode realisiert, die sehr spezifisch auf das Problem zugeschnitten ist und für jedes neue Problem neu entwickelt wird. Dieser Beitrag stellt eine Bildverarbeitungsmethode vor, die einen ersten Schritt in Richtung universelle Fehlererkennung zeigt. Die Effizienz der Methode wird an einer Bilddatenbank sowie einer Anwendung in der Produktion und Qualitätsüberwachung von Mi-krobauteilen evaluiert.

Diese Ausgabe behandelt die Zukunft der Automobilindustrie in Zeiten der E-Mobilität, steigender Energiepreise und Ressourcenverknappung. Weitere Themen sind die Optimierung von Logistiknetzwerken, die Steigerung der Wettbewerbsfähigkeit und die Herausforderungen neuer Mobilitätskonzepte. Fallstudien bieten Einblicke in Energieeffizienz, nachhaltige Produktionsstrategien und Bildverarbeitungsmethoden zur Qualitätsüberwachung.