Robotergestützte Qualitätsprüfung: Warum die vollständige Abdeckung so schwierig ist

Bei der robotergestützten Qualitätsprüfung wird Bildverarbeitung mit einem Roboter kombiniert, der die Kamera, das Teil oder den Sensor entlang einer geplanten Reihe von Blickwinkeln bewegt. Das ist nützlich, wenn eine fest installierte Kamera nicht alle erforderlichen Oberflächen erfasst, die Produktgeometrie variiert oder mehrere Seiten geprüft werden müssen, ohne eine große Anzahl stationärer Kameras einzusetzen.

Ultralytics YOLO kann in einer benutzerdefinierten Prüflösung Erkennung, Segmentierung, Klassifizierung, Posenschätzung oder Verfolgung ermöglichen. Industrielle Bildverarbeitungssysteme von Cognex, Keyence, MVTec, Zebra und Teledyne bieten etablierte Werkzeuge und Hardwareökosysteme. Bildverarbeitungsplattformen wie Landing AI und Robovision setzen auf anpassbare Arbeitsabläufe für die auf gelernten Modellen basierende Prüfung. Welche Lösung am besten passt, hängt davon ab, ob ein Unternehmen ein einsatzfertiges Prüfprodukt, eine industrielle Entwicklungsumgebung oder eine anpassbare Modellebene benötigt.

Softwareoptionen für die robotergestützte Prüfung#

Anbieternamen sind Ausgangspunkte, kein Leistungsnachweis. Jede Option muss mit repräsentativen Teilen, Fehlern, Geschwindigkeiten, Oberflächen und Roboterpfaden erprobt werden.

Wann ein Roboter die visuelle Prüfung verbessert#

Ein Roboter bietet mehrere Vorteile:

• Ein Sensor kann mehrere Seiten oder Winkel erfassen.
• Blickwinkel und Arbeitsabstand lassen sich programmgesteuert wiederholen.
• Die Kamera kann sich Hohlräumen oder Merkmalen nähern, die von einer festen Station aus nicht sichtbar sind.
• Prüfabläufe lassen sich an die jeweilige Produktvariante anpassen.
• Ein Teil lässt sich vor eine kontrollierte Beleuchtung drehen.
• Bildverarbeitungsergebnisse lassen sich der Roboterpose oder den Produktkoordinaten zuordnen.

Der Nachteil ist die Systemkomplexität. Roboterbewegungen erhöhen die Zykluszeit und bringen zusätzliche Herausforderungen mit sich: Kalibrierung, Kabelführung, Kollisionsrisiko, Bewegungsunschärfe, Synchronisierung und weitere Fehlerquellen. Wenn eine einzige feste Ansicht die Qualitätsfrage beantwortet, ist ein Roboter unnötig.

Definiere die Prüfanforderung anhand der Produktkoordinaten#

Liste alle zu prüfenden Oberflächen und Merkmale, die kleinste relevante Anomalie, zulässige Abweichungen, unzugängliche Bereiche und die erforderliche Entscheidung auf. Ordne jede Anforderung einer geplanten Ansicht und Bildgebungsmethode zu.

Verwende eine Abdeckungstabelle:

So werden tote Winkel sichtbar. Außerdem trennt das die Beobachtung des Modells von der nachgelagert angewendeten Qualitätsregel.

Ansichten und Bewegung gemeinsam planen#

Bei der Planung des Prüfpfads müssen Abdeckung, Bildqualität, Reichweite des Roboters, Kollisionsabstand, Kabelgrenzen und Zykluszeit gegeneinander abgewogen werden. Erfasse für jede Ansicht Kamerapose, Fokus, Belichtung, Beleuchtungszustand, Robotergeschwindigkeit und Aufnahmeauslöser.

Nimm Bilder auf, wenn die Bewegung für das verwendete Bildgebungsverfahren ausreichend kontrolliert ist. Ein Pfad mit Anhalten und Aufnehmen ist einfach, kann aber den Zyklus verlängern. Das Auslösen während der Bewegung kann den Durchsatz erhöhen, erfordert jedoch eine Beleuchtung und Belichtung, die Bewegungsunschärfe verhindern, sowie eine präzise Synchronisierung von Bild und Roboterpose.

Prüfe die Wiederholgenauigkeit nach dem Aufwärmen, Werkzeugwechseln, Wartungsarbeiten und den erwarteten Vibrationen. Bei einer am Roboter montierten Kamera können schon kleine mechanische Verschiebungen den beobachteten Bereich verändern, obwohl das Modell weiterhin verfügbar ist.

Kamera, Roboter und Produkt kalibrieren#

Das System benötigt möglicherweise drei Beziehungen:

• Kameraintrinsik und Objektivverhalten.
• Transformation zwischen Kamera und Roboter oder Werkzeug.
• Produktpose in der Spannvorrichtung oder im Roboterkoordinatensystem.

Durch die Kalibrierung kann ein in einem Bild lokalisierter Fehler der richtigen Produktoberfläche oder dem richtigen physischen Bereich zugeordnet werden. Lege einen Abnahmetest fest, speichere Kalibrierungsversionen und definiere Ereignisse, die eine Neukalibrierung auslösen.

Bei flexibler Einspannung kann zunächst ein Registrierungsschritt das Produkt oder Referenzmerkmale lokalisieren. Gehe nicht davon aus, dass die vom Roboter angefahrene Pose allein belegt, wo die geprüfte Oberfläche im Bild erscheint.

Die Computer-Vision-Aufgabe auswählen#

Verwende Klassifizierung für eine streng kontrollierte Ansicht mit wenigen Gesamtzuständen. Verwende Detektion, wenn Fehler oder Komponenten als Begrenzungsrahmen lokalisiert werden müssen. Verwende Segmentierung, wenn Form und Fläche des Fehlers relevant sind oder die Grenzen unregelmäßig verlaufen. Verwende Pose-Schätzung oder Keypoints für geometrische Merkmale und die Registrierung. Klassische Messwerkzeuge sind für klare, deterministische Kanten und kalibrierte Abmessungen möglicherweise weiterhin die bessere Wahl.

Ein Hybridsystem kann klassische Bildverarbeitung für die Geometrie und ein trainiertes Modell für variierendes Aussehen verwenden. Ziel ist eine überprüfbare Inspektion, nicht der maximale Einsatz von maschinellem Lernen.

Die Ultralytics Platform unterstützt die Datensatzannotation, das Training, den Modellvergleich und die Bereitstellung für Ultralytics-YOLO-Workflows. Organisiere den Datensatz nach Produkt, Oberfläche, Ansicht, Beleuchtung, Roboterpfad und Fehlertyp, damit die Auswertung die gesamte Konfiguration widerspiegelt.

Ergebnisse aus mehreren Ansichten zusammenführen#

Jedes aufgenommene Bild sollte eine Gerätekennung, eine Konfiguration, eine Ansichtskennung, die Roboterpose, einen Zeitstempel, eine Modellversion und eine Kalibrierungsversion enthalten. Die Anwendung fasst die Beobachtungen der einzelnen Ansichten zu einem Ergebnis für das jeweilige Gerät zusammen.

Behandle doppelte Beobachtungen ausdrücklich. Ein Kratzer, der aus zwei Winkeln sichtbar ist, sollte nicht automatisch als zwei Fehler gezählt werden. Umgekehrt kann eine Abweichung zwischen Ansichten auf Reflexionen, Verdeckung, einen Kalibrierungsfehler oder einen schwer erkennbaren Fehler hinweisen, der überprüft werden sollte.

Sieh mindestens drei Zustände vor: bestanden, nicht bestanden und Überprüfung/nicht verfügbar. Ein fehlendes Bild oder eine schlechte Bildqualität zwangsweise als bestanden oder nicht bestanden zu werten, birgt ein unbemerktes Risiko.

Abdeckung, Erkennung und Entscheidung validieren#

Trenne drei Fragen:

1. Abdeckung: Hat die Konfiguration von jedem erforderlichen Bereich ein akzeptables Bild aufgenommen?
2. Erkennung: Hat das Bildverarbeitungsverfahren den relevanten sichtbaren Zustand erkannt?
3. Entscheidung: Haben Regel und Workflow die richtige Entscheidung für das jeweilige Gerät getroffen?

Teste mit repräsentativen Fehlern, die über Oberflächen und an den Abdeckungsgrenzen verteilt sind. Beziehe einwandfreie Produkte mit normalen kosmetischen Abweichungen, Verunreinigungen, Reflexionen, Änderungen an der Spannvorrichtung und reparierten Merkmalen ein. Teile die Auswertung nach Produktionscharge oder Zeitraum auf, damit nahezu identische Aufnahmen nicht gleichzeitig in Trainings- und Testdatensätze gelangen.

Zu den betrieblichen Kennzahlen gehören übersehene Fehler, fälschlich aussortierte Teile, Überprüfungsrate, nicht verfügbare Ansichten, Zykluszeit, manuelle Eingriffe, Kalibrierungsfehler und die Zeit bis zur Diagnose eines Ereignisses. Berichte die Ergebnisse nach Produkt, Oberfläche, Fehler und Ansicht statt nur als Gesamtwert.

In das Qualitätssystem integrieren#

Das Prüfergebnis sollte einer kontrollierten Entscheidung wie bestanden, Überprüfung, Nacharbeit oder Ausschuss entsprechen. Erfasse den Grund und die Konfigurationsversion. Verknüpfe das Ergebnis mit der Gerätekennung und dem Qualitäts- oder Fertigungssystem, damit es dem richtigen Produkt zugeordnet ist.

Bewahre Bilder nur entsprechend ihrem Zweck und den geltenden Richtlinien auf. Manche Unternehmen speichern nur fehlerhafte oder stichprobenartig ausgewählte Geräte; andere benötigen eine umfassendere Rückverfolgbarkeit. Lege die Regel vor Produktionsbeginn fest, einschließlich Zugriffs- und Löschvorgaben.

Sicherheit und Wiederherstellung#

Die Roboterbewegung muss weiterhin dem validierten Sicherheitskonzept für Roboter und Zelle unterliegen. Trainierte Bildverarbeitung sollte nicht als Schutzeinrichtung dargestellt werden, es sei denn, sie ist Teil einer entsprechend entwickelten und bewerteten Sicherheitsfunktion.

Plane die Wiederherstellung für fehlende Bilder, fehlgeschlagene Auslösungen, nicht verfügbare Kameras, unerreichbare Ansichten, Kalibrierungsfehler, Zeitüberschreitungen des Modells und Roboterfehler. Stelle nach der Wiederherstellung sicher, dass das System weiß, welche Ansichten noch gültig sind und welche erneut aufgenommen werden müssen.