Bei der Planung eines Bildverarbeitungssystems wird häufig früh über Kameramodelle, Auflösung, Objektive oder Software gesprochen. Diese Komponenten sind wichtig. Sie stehen jedoch nicht am Anfang einer belastbaren Lösung.
Die entscheidende Frage lautet zunächst: Was muss im realen Produktionsprozess zuverlässig erkannt, gemessen, gelesen oder dokumentiert werden?
Erst wenn die Prüfaufgabe eindeutig beschrieben ist, lassen sich Kamera, Optik, Beleuchtung, Software, Schnittstellen und Einbausituation sinnvoll auswählen. OCTUM entwickelt Inspektionslösungen deshalb konsequent von der Anwendung aus – und nicht vom Datenblatt einzelner Komponenten.
Die Prüfaufgabe definiert das System
Industrielle Bildverarbeitung kann sehr unterschiedliche Aufgaben übernehmen. Dazu gehören beispielsweise:
- Anwesenheits- und Vollständigkeitsprüfungen,
- Oberflächeninspektionen,
- Lage- und Positionskontrollen,
- geometrische Messungen,
- OCR- und OCV-Prüfungen,
- Codeprüfung und Rückverfolgbarkeit,
- Druckbild- und Etikettenkontrollen,
- Kontaminationsprüfungen,
- sowie die Erkennung von Montage- und Materialfehlern.
Hinter jeder dieser Aufgaben stehen andere technische Anforderungen. Ein System zur Anwesenheitskontrolle benötigt möglicherweise nur eine eindeutige Kontur oder einen klaren Kontrast. Eine präzise geometrische Messung stellt dagegen höhere Anforderungen an Auflösung, Kalibrierung, Produktpositionierung und mechanische Stabilität.
Auch eine Codeprüfung auf einem trockenen Verpackungsmaterial unterscheidet sich grundlegend von der Lesung eines direktmarkierten Codes auf einem öligen Metallbauteil. Obwohl in beiden Fällen eine Kamera eingesetzt wird, können Beleuchtung, Optik, Einbauposition und Auswertungsverfahren vollständig unterschiedlich sein.
Deshalb beginnt eine erfolgreiche Systemauslegung mit der präzisen Beschreibung der Prüfaufgabe.
Welches Merkmal ist tatsächlich qualitätskritisch?
Zu Beginn eines Projekts muss geklärt werden, welche Merkmale für die Produktqualität relevant sind. Nicht jede sichtbare Abweichung ist automatisch ein Fehler. Umgekehrt können kleine, schwer erkennbare Veränderungen erhebliche Auswirkungen auf Funktion, Sicherheit oder Weiterverarbeitung haben.
Typische Fragestellungen sind:
- Welche Eigenschaften müssen zwingend vorhanden sein?
- Welche Abweichungen beeinflussen Funktion oder Haltbarkeit?
- Welche Fehler führen zu Ausschuss?
- Welche Fehler dürfen nachgearbeitet werden?
- Welche Merkmale müssen lediglich dokumentiert werden?
- Welche Abweichungen sind zulässig und welche nicht?
Eine klare Priorisierung verhindert, dass ein Prüfsystem Merkmale bewertet, die für den tatsächlichen Qualitätsprozess kaum relevant sind. Gleichzeitig wird vermieden, dass kritische Fehlerbilder zu spät berücksichtigt werden.
Das Qualitätsziel muss deshalb gemeinsam mit Produktion, Qualitätssicherung, Konstruktion und gegebenenfalls weiteren Fachbereichen definiert werden.
Gutteile und Schlechtteile eindeutig beschreiben
Ein Bildverarbeitungssystem benötigt klare Entscheidungskriterien. Dafür reicht es nicht aus, einzelne typische Fehlerbilder zu zeigen.
Auch Gutteile können erhebliche natürliche Schwankungen aufweisen. Unterschiede entstehen beispielsweise durch:
- verschiedene Materialchargen,
- Fertigungstoleranzen,
- Farb- und Oberflächenschwankungen,
- wechselnde Lieferanten,
- zulässige Prozessvariationen,
- unterschiedliche Werkzeuge,
- oder Produktvarianten.
Die entscheidende Frage lautet daher nicht nur: „Wie sieht ein Fehler aus?“ Ebenso wichtig ist: „Wie unterschiedlich dürfen Gutteile aussehen?“
Sind die Grenzen zwischen Gut und Schlecht nicht eindeutig definiert, kann auch das Prüfsystem keine stabilen Entscheidungen treffen. Dies gilt für klassische Bildverarbeitungsalgorithmen ebenso wie für Machine-Learning-Verfahren.
Gerade bei kosmetischen Defekten, Oberflächenveränderungen oder subjektiv bewerteten Merkmalen ist deshalb eine abgestimmte Klassifikation unverzichtbar.
Varianten frühzeitig berücksichtigen
Viele Produktionslinien verarbeiten nicht nur ein Produkt, sondern zahlreiche Formate und Varianten. Unterschiede können sich beispielsweise ergeben durch:
- Abmessungen,
- Farben,
- Beschriftungen,
- Bauteilgeometrien,
- Oberflächen,
- Montagezustände,
- Verpackungsformen,
- oder unterschiedliche Codeinhalte.
Diese Varianten beeinflussen die Auslegung des Prüfsystems. Eine Optik, die für ein kleines Bauteil eine ausreichende Detailauflösung bietet, kann bei einer größeren Variante ein zu kleines Sichtfeld besitzen. Eine Beleuchtung, die auf einer matten Oberfläche stabile Kontraste erzeugt, kann bei einer glänzenden Ausführung starke Reflexionen verursachen.
Bereits in der Konzeptphase sollte deshalb geklärt werden:
- Welche Varianten werden aktuell produziert?
- Welche Formate sind künftig geplant?
- Wie erfolgt der Produktwechsel?
- Werden Prüfprogramme automatisch gewählt?
- Welche Varianten können mit einer gemeinsamen Bildaufnahme geprüft werden?
- Wo sind separate Kamerapositionen oder Beleuchtungskonzepte erforderlich?
Je früher diese Informationen vorliegen, desto besser kann eine skalierbare und langfristig nutzbare Systemarchitektur entwickelt werden.
Toleranzen müssen messbar und eindeutig sein
Bei geometrischen Prüfungen oder Lagekontrollen müssen klare Toleranzgrenzen definiert werden. Aussagen wie „darf nicht zu weit versetzt sein“ oder „soll möglichst mittig sitzen“ reichen für eine automatisierte Prüfung nicht aus.
Benötigt werden eindeutige Werte und Bezüge:
- Welche Sollposition gilt?
- Welche maximale Abweichung ist zulässig?
- Gegen welche Referenz wird gemessen?
- Welche Messunsicherheit ist akzeptabel?
- Wie werden Grenzfälle behandelt?
- Muss ein Einzelwert oder ein vollständiger Verlauf bewertet werden?
Die geforderte Toleranz beeinflusst unmittelbar die technische Auslegung. Je kleiner die zu erkennende Abweichung, desto höher sind in der Regel die Anforderungen an Auflösung, Optik, Kalibrierung und mechanische Stabilität.
Dabei darf nicht nur die theoretische Pixelauflösung betrachtet werden. Entscheidend ist, ob die geforderte Messung unter realen Produktionsbedingungen reproduzierbar möglich ist.
Taktzeit realistisch bewerten
Ein Prüfsystem muss nicht nur zuverlässig, sondern auch innerhalb der verfügbaren Produktionszeit arbeiten.
Die Gesamtzeit umfasst mehr als die eigentliche Bildauswertung. Berücksichtigt werden müssen unter anderem:
- Positionieren oder Erkennen des Produkts
- Auslösen der Bildaufnahme
- Einstellen oder Schalten der Beleuchtung
- Aufnehmen eines oder mehrerer Bilder
- Übertragen und Auswerten der Bilddaten
- Zusammenführen mehrerer Prüfergebnisse
- Übertragen des Ergebnisses an die Maschinensteuerung
- Verfolgen und gegebenenfalls Ausschleusen des Produkts
Bei sehr kurzen Taktzeiten kann es notwendig sein, mehrere Kameras parallel einzusetzen, Bildaufnahmen während der Bewegung durchzuführen oder Prüfalgorithmen gezielt zu optimieren.
Die Taktzeit sollte deshalb nicht als isolierter Zahlenwert betrachtet werden. Wichtig sind auch Produktabstände, Liniengeschwindigkeit, mögliche Pufferzeiten und die Anzahl gleichzeitig zu prüfender Merkmale.
Dokumentation und Rückverfolgbarkeit mitdenken
In vielen Anwendungen reicht ein einfaches Gut-/Schlecht-Signal nicht aus. Prüfergebnisse müssen gespeichert, mit Produktionsdaten verknüpft oder an übergeordnete Systeme übertragen werden.
Mögliche Anforderungen sind:
- Speicherung einzelner Messwerte,
- Dokumentation von Fehlerart und Fehlerposition,
- Zuordnung zu Produkt, Charge oder Seriennummer,
- Speicherung von Prüf- oder Fehlerbildern,
- Protokollierung von Benutzer- und Parameteränderungen,
- Übergabe an SPS, Datenbank oder MES,
- sowie die Bereitstellung von Informationen für Qualitätssicherung und Auditierung.
Diese Anforderungen beeinflussen Softwarearchitektur, Speicherkonzept, Schnittstellen und Benutzerverwaltung. Werden sie erst am Ende des Projekts formuliert, entstehen häufig zusätzliche Aufwände oder technische Einschränkungen.
Die Frage nach der Dokumentation gehört deshalb bereits an den Anfang der Systemplanung.
Der Produktionsprozess bestimmt die Bildaufnahme
Selbst eine geeignete Kamera liefert keine stabilen Ergebnisse, wenn die Aufnahmebedingungen nicht zur Anwendung passen.
Zu berücksichtigen sind unter anderem:
- Lage und Orientierung des Bauteils,
- mögliche Bewegungen während der Aufnahme,
- Vibrationen,
- Fremdlicht,
- Verschmutzungen,
- Ölnebel oder Staub,
- wechselnde Oberflächen,
- begrenzte Einbauräume,
- Reinigungsanforderungen,
- und mechanische Zugänglichkeit.
Ein Prüfmerkmal kann im Labor deutlich sichtbar sein, in der Produktionslinie jedoch durch Reflexionen, Schatten oder schwankende Bauteilpositionen kaum zuverlässig ausgewertet werden.
Deshalb betrachtet OCTUM die Bildaufnahme immer im realen Maschinenumfeld. Kamera, Optik und Beleuchtung werden nicht isoliert ausgewählt, sondern gemeinsam mit Produktführung, Prüfposition und Prozessbedingungen ausgelegt.
Technologie wird aus der Aufgabe abgeleitet
Erst nach der Klärung der Prüfanforderungen beginnt die Auswahl der technischen Komponenten.
Kamera
Die erforderliche Auflösung, Bildrate, Sensorgröße und Schnittstelle ergeben sich aus Sichtfeld, Prüfmerkmalen und Taktzeit.
Optik
Brennweite, Arbeitsabstand, Tiefenschärfe und Abbildungsqualität müssen zur Bauteilgeometrie und zur geforderten Mess- oder Erkennungsleistung passen.
Beleuchtung
Das Beleuchtungskonzept soll relevante Merkmale sichtbar machen und störende Reflexionen, Schatten oder Fremdlichteffekte reduzieren.
Software
Je nach Prüfaufgabe kommen klassische Bildverarbeitung, Machine Learning, spezialisierte Code-Lesung, OCR/OCV oder kombinierte Verfahren zum Einsatz.
Mechanik und Integration
Kamerahalterungen, Schutzkonzepte, Produktführung, Trigger, SPS-Kommunikation und Ausschleusung müssen in das Maschinenkonzept integriert werden.
Die Technologie ist somit kein Ausgangspunkt, sondern das Ergebnis einer systematischen Aufgabenanalyse.
Nicht jede Aufgabe braucht KI
Künstliche Intelligenz und Machine Learning eröffnen neue Möglichkeiten in der visuellen Inspektion. Sie sind jedoch nicht automatisch die beste Lösung für jede Anwendung.
Klare geometrische Merkmale, feste Positionen oder eindeutig definierte Toleranzen lassen sich häufig mit klassischen Bildverarbeitungsverfahren sehr zuverlässig prüfen. Diese Verfahren bieten transparente Kriterien, gut nachvollziehbare Parameter und reproduzierbare Ergebnisse.
Machine Learning kann dagegen Vorteile bieten, wenn Fehlerbilder stark variieren oder sich nur schwer durch feste Regeln beschreiben lassen. Typische Beispiele sind komplexe Oberflächen, kosmetische Defekte oder natürliche Materialstrukturen.
In vielen Fällen ist eine Kombination beider Ansätze sinnvoll. Messbare Merkmale werden regelbasiert geprüft, während KI komplexe Strukturen bewertet.
Auch hier gilt: Nicht die verfügbare Technologie entscheidet, sondern die konkrete Prüfaufgabe.
Machbarkeit vor der Umsetzung prüfen
Bei anspruchsvollen Prüfaufgaben ist eine Machbarkeitsuntersuchung häufig der sinnvollste nächste Schritt.
Mit realen Musterteilen kann geprüft werden:
- ob das relevante Merkmal optisch sichtbar ist,
- welches Beleuchtungskonzept geeignet ist,
- welche Auflösung benötigt wird,
- wie sich Gut- und Schlechtteile unterscheiden,
- wie stark Produktionsschwankungen das Ergebnis beeinflussen,
- und ob die geforderte Taktzeit erreichbar ist.
Für eine aussagekräftige Bewertung sollten nicht nur ideale Muster bereitgestellt werden. Benötigt werden möglichst repräsentative Gutteile, verschiedene Fehlerbilder, Grenzmuster und unterschiedliche Produktvarianten.
Die Machbarkeitsuntersuchung reduziert technische Risiken und schafft eine belastbare Grundlage für Systemauslegung und Projektplanung.
Klare Abnahmekriterien schaffen Sicherheit
Bereits zu Beginn sollte festgelegt werden, wie die Leistung des späteren Systems bewertet wird.
Mögliche Kriterien sind:
- sichere Erkennung definierter Fehler,
- maximale Pseudofehlerrate,
- zulässige Messabweichung,
- erforderliche Lesesicherheit,
- Prüfgeschwindigkeit,
- Verfügbarkeit,
- Reproduzierbarkeit,
- und Verhalten bei Grenzfällen.
Ohne klare Abnahmekriterien entstehen während der Inbetriebnahme leicht unterschiedliche Erwartungen. Ein technisch funktionierendes System kann dann dennoch als unzureichend empfunden werden, weil Zielwerte und Bewertungsmethoden nicht eindeutig vereinbart wurden.
Eine saubere Definition der Prüfaufgabe schafft deshalb nicht nur technische Klarheit, sondern auch eine verlässliche Basis für Projektabwicklung und Abnahme.
Bildverarbeitung als Gesamtsystem
Eine industrielle Prüflösung besteht aus mehr als Kamera und Algorithmus. Sie muss sich in Maschine, Produktionsablauf und Qualitätsprozess einfügen.
Dazu gehören:
- stabile Bildaufnahmebedingungen,
- klare Schnittstellen,
- eindeutige Trigger,
- zuverlässige Produktverfolgung,
- definierte Ausschleuslogik,
- verständliche Bedienoberflächen,
- passende Benutzerrechte,
- dokumentierte Prüfergebnisse,
- und ein langfristig wartbares Systemkonzept.
OCTUM betrachtet deshalb Maschine, Produkt, Prozess und Qualitätsziel gemeinsam. Erst aus diesem Zusammenspiel entsteht eine Bildverarbeitungslösung, die im Produktionsalltag zuverlässig funktioniert.
Weniger Fokus auf Komponenten, mehr Fokus auf den Prozess
Wer zu früh über einzelne Kameramodelle, Megapixel oder Algorithmen spricht, läuft Gefahr, die eigentliche Anwendung aus dem Blick zu verlieren.
Eine technisch hochwertige Komponente kann ungeeignet sein, wenn sie nicht zur Prüfaufgabe, zum Bauraum oder zum Produktionsprozess passt. Umgekehrt kann eine vergleichsweise einfache technische Lösung sehr leistungsfähig sein, wenn Produktführung, Beleuchtung und Prüfkriterien sauber definiert sind.
Der OCTUM-Ansatz lautet deshalb: Prüfaufgabe zuerst – Technologie danach.
Das klingt möglicherweise weniger spektakulär als die Diskussion über aktuelle Kameratechnik oder KI-Modelle. In der Praxis führt dieser Weg jedoch zu robusteren, wirtschaftlicheren und besser integrierten Inspektionslösungen.
Denn eine gute Bildverarbeitung beginnt nicht mit der Frage, welche Kamera eingesetzt werden soll. Sie beginnt mit einem klaren Verständnis dessen, was im Prozess wirklich geprüft werden muss.