Die Inspektion von Glas ist eine herausfordernde Anwendung, da Laserlicht in der Regel transparente Objekte durchdringt, was die Erkennung von Oberflächen schwierig macht. Für die Qualitätsprüfung bei Smartphone-Displayglas, verwendet der Schweizer Systemintegrator 3HLE den Ecco 95.015G-Sensoren von SmartRay, der speziell zum Scannen von Glas entwickelt wurde. Dieser liefert hochauflösende 3D-Bilddaten zum Trainieren und Ausführen der Retina KI-Software von 3HLE. Damit dies funktioniert, bedarf es zunächst eines Trainingsvorgangs mit repräsentativen Scans der Glasoberfläche, die typische Defekte zeigen. Der Ecco 95+ Sensor liefert dafür hochauflösende 3D-Scans, ist werkseitig kalibriert und kann problemlos in die gängigen Visionprogramme von Drittanbietern integriert werden.3HLE entschied sich für das 3D-Scannen, weil es effizienter als 2D-Inspektionen ist und da keine spezielle externe Beleuchtung erforderlich ist. Während der Entwicklung ist zudem weniger Feinabstimmung der Beleuchtung erforderlich, und während der Produktion kommt es zu weniger Einflüssen durch externe Lichtquellen. Der entscheidende Vorteil bei der Verwendung von Bildern aus dem 3D-Scan besteht allerdings darin, dass die vom Scanner gelieferten Bilder sehr kontrastreich sind. Tatsächlich ist diese Anwendung mit Bildern aus einem 2D-System nicht möglich, so Huy-Hoang LÊ, der Gründer von 3HLE: „Der SmartRay Ecco 95.015G-Sensor liefert die beste Bildqualität, und beim Deep Learning dreht sich alles um Daten. Je besser die Daten, desto einfacher das Training und desto besser die Ergebnisse.“
65.536 Graustufen
Mit dem SmartRay SDK ist 3HLE in der Lage, die benötigten Informationen problemlos vom Sensor zu erhalten und direkt in seine Softwarelösung zu integrieren. Es werden 16Bit-Z-Map-Graustufenbilder vom Sensor zur weiteren Verarbeitung genutzt. Diese liefern sehr genaue Bilder mit 65.536 Graustufen an die Deep-Learning-Software. Mit Retina kann anschließend ein Techniker die Defekte in den Bildern manuell mit einem Pinsel identifizieren, hervorheben und die Software trainieren, um diese Defekte von akzeptablen Abweichungen im Glas zu unterscheiden. Dies alles, ohne dass eine Codierung oder weitere Kenntnisse von Deep-Learning- oder der Vision-Software erforderlich sind. Nach dem Training mit ca. 10 bis 200 Fehlerbildern ist die Deep-Learning-Software dann in der Lage, selbstständig mit der automatischen Unterscheidung von Fehlern zu beginnen. Bei dieser speziellen Anwendung konnte Retina A.I. Vision nach dem Training mit nur sieben Bildern zuverlässig, selbstständig funktionieren.
Fehlererkennung von zwei Pixeln
Dank seiner hohen Bildqualität hilft der Ecco 95.015G dem System nicht nur schnell, sondern auch sehr genau, einen Fehler von nur zwei Pixeln zu erkennen anstatt nur größere Quadrate mit 4×4 Pixeln zu betrachten. Mit dieser hochpräzisen Inspektion, die zuverlässige, wiederholgenaue Daten gewährleistet, läuft die Anwendung erfolgreich und erfüllt alle Erwartungen. Sie kann dabei nicht nur auf Smartphones sondern auch auf Uhrengläsern oder medizinischen Glasteilen wie mikrofluidischen Chips verwendet werden.
Fazit
Durch Scannen, selbst auf schwierigen Oberflächen wie Displayglas, liefern die Ecco-Sensoren von SmartRay die erforderlichen Inspektionsdaten für anspruchsvolle Anwendungen. Das Ergebnis ist ein hochpräzises Qualitätskontrollsystem, das kleinste Fehler im Glas erkennt. Durch die Partnerschaft mit Deep-Learning-Softwareanbietern, wie in diesem Fall 3HLE, kann SmartRay dazu beitragen, ein komplettes System zur Fehlererkennung bei der automatisierten Inspektion von Glas, Glasverbundwerkstoffen und Displays bereitzustellen. Francois Bangerter, Senior Account Manager bei SmartRay: „Es dreht sich alles um die Daten. Die Ecco-Sensoren zielen darauf ab, die Punktwolke mit der höchsten Dichte, die höchste Datenerfassungsgeschwindigkeit und -übertragung zu liefern – bis zu 20 Millionen 3D-Punkte pro Sekunde. Dadurch kann unser Sensorsortiment die anspruchsvollen Anforderungen moderner automatisierter Inspektionsherausforderungen erfüllen – und sogar übertreffen.“
