Obwohl es keine allgemeingültige Definition für den Begriff „Embedded Vision“ gibt, existiert eine gängige Vorstellung von dieser Technologie: Kompakte Bildverarbeitungssysteme auf Basis angepasster Kameramodule sind direkt in Maschinen oder Geräten integriert und sorgen dort mit zugeschnittenen Rechnerplattformen und geringer Leistungsaufnahme für intelligente Bildverarbeitung in verschiedensten Anwendungsgebieten, ohne einen klassischen Industrie-PC zu benötigen. Es gibt jedoch verschiedene Formen von Embedded-Vision-Systemen.
Am einfachsten fällt nach Aussage von Peter Keppler, Director of Corporate Sales bei Stemmer Imaging, die Abgrenzung zwischen Embedded-Vision-Systemen und klassischen Bildverarbeitungssystemen: „Letztere arbeiten auf Basis von Industrie-PCs, die über spezielle Bildverarbeitungsbibliotheken frei programmierbar sind. Die Bildaufnahme erfolgt über Kameras, die mit geeigneten Optiken ausgestattet sind. Als wesentliches Element sorgen Beleuchtungen, die für die jeweilige Anwendung optimiert sein sollten, für eine ausreichende und applikationsgerechte Ausleuchtung der Prüfobjekte.“
Die aufgenommenen Kameradaten werden nach der Bildaufnahme über geeignete Schnittstellenkabel an Bilderfassungskarten weitergeleitet, welche die eigentliche Bildverarbeitung auf der CPU des Rechners koordinieren. Bei manchen dieser auch Frame Grabber genannten Karten erfolgt dabei zur Entlastung der Host-CPU eine Bildvorverarbeitung. Am Ende liefert ein solches System die Ergebnisse der Auswertung, die meist zur Qualitätssicherung hergestellter Güter verwendet werden.
Embedded-PCs: Embedded und frei programmierbar
Embedded-PCs unterscheiden sich von klassischen IPC-Systemen im Wesentlichen dadurch, dass die Funktionalität der Bilderfassungskarten bereits fest im Embedded-PC integriert ist. Wie klassische Industrie-PCs ermöglichen auch sie somit den Anschluss externer Standardkameras mit allen am Markt verfügbaren Bild-Sensoren. Basierend auf Windows-Embedded-Betriebssystemen sind Embedded-PCs ebenfalls frei programmierbar und erlauben über spezielle Bibliotheken für die industrielle Bildverarbeitung eine flexible Anpassung der Systeme an die jeweils vorliegenden Anforderungen.
Die Verbindung zur Maschine erfolgt über proprietäre Bus-Adapter oder spezielle Industrial-Ethernet-Karten. Die eingesetzten Windows-Umgebungen haben nach Kepplers Aussage für den Anwender alle bekannten Vor- und Nachteile zur Folge. Als Beispiele für Embedded-PC-Systeme nennt er unter anderem die CVS Image Station Compact von Stemmer Imaging, die IPD GV-Familie von Teledyne Dalsa oder die Matrix-Serie von Adlink.
Smart-Kameras und Vision-Sensoren: Einfach bedienbar und intelligent
Smart-Kameras und Vision-Sensoren gehen noch einen Schritt weiter: Bei diesen Systemen sind der Kamerasensor sowie die Bilderfassung, der Prozessor für die Bildauswertung und die I/O-Schnittstellen sowie teilweise auch Beleuchtung und Optik in einem meist sehr kompakten, robusten Gehäuse zusammengefasst. Vision Sensoren verfügen in der Regel über eine grafische “Point and Click”-Parametrierung. Häufig arbeiten diese Systeme zudem mit integrierten Beleuchtungen und Optiken, was die Anwendung vereinfacht, zugleich aber auch die Flexibilität reduziert, gibt Keppler zu bedenken:
„Solche Systeme sind in der Regel für bestimmte Anwendungsfälle optimiert und erlauben keinen Wechsel zu einer komplett anderen Applikation, z.B. von einer reinen Anwesenheitskontrolle hin zu Mess- oder Leseaufgaben. Als weitere Einschränkung ist das limitierte Angebot an Bild-Sensoren zu nennen, die in solchen Produkten eingesetzt werden können.“ Eine genaue begriffliche Abgrenzung zwischen Smart-Kameras und Vision-Sensoren existiert nicht. Typische Vertreter dieser Klasse sind die kompakten Stand-Alone-Produkte der InSight-Familie von Cognex sowie die Boa-Reihe von Teledyne Dalsa.
Deep Embedded Vision: Spezialisiert auf eine Aufgabe
Für vollintegrierte Bildverarbeitungssysteme, die auch ohne Betriebssystem arbeiten können, schlägt Keppler die am Markt noch nicht etablierte Bezeichnung Deep-Embedded-Vision-System vor. „Solche Systeme sind speziell für eine bestimmte Aufgabe entwickelt und nicht frei programmierbar. Bereits bei der Auslegung werden die Kommunikationsmöglichkeiten solcher Systeme fest definiert und können nachträglich nur mit relativ hohem Aufwand verändert werden.“ Für das Systemdesign solcher Deep-Embedded-Vision-Systeme entstehen hohe Initialkosten, die sich nur durch große Stückzahlen amortisieren lassen. In der Regel zeichnen sich solche Produkte durch eine sehr geringe Stromaufnahme aus, die selbst beim Betrieb per Batterie lange Laufzeiten ermöglicht.
Ein aktuelles Beispiel solcher Deep-Embedded-Vision-Systeme stellt unter anderem die RealSense-Technologie von Intel® dar. Diese Kamerasysteme basieren auf dem Intel RealSense™ Visionprozessor D4 mit fortschrittlichsten Algorithmen, um die Rohbild-Streams der integrierten Bildsensoren zu verarbeiten und daraus präzise 3D-Tiefeninformationen mit hoher Auflösung in beeindruckender Bildrate zu berechnen und diese 3D-Bilder als Ergebnis zur weiteren Verarbeitung auszugeben.
Aus dem Bereich der Texterkennung stammt ein weiteres Beispiel solcher Deep-Embedded-Vision-Systeme: Kompakte Module mit integrierter Kamera, OCR-Software und Funkanbindung werden direkt auf mechanische Zählwerke montiert und ermöglichen eine kostengünstige automatische Erfassung ohne Austausch der bestehenden Zählwerke gegen elektronische Versionen: Sie geben die Zählerstände in festgelegten zeitlichen Abständen direkt an den Leitrechner weiter. Auf diese Weise erübrigt sich die manuelle Ablesung. Aufgrund des äußerst geringen Stromverbrauchs und der nur kurzzeitigen Einschaltphasen verfügen diese Module über wartungsfreie Laufzeiten im Bereich von zehn Jahren.
Das optimale System auswählen
Die Automatisierungswelt wird immer komplexer. Schlagworte wie unter anderem Industrie 4.0, Internet of Things (IoT) und die Erweiterung Industrial Internet of Things (IIoT), Cloud Computing, verteiltes Rechnen, künstliche Intelligenz, Machine Learning und viele weitere Technologien sind Ausdruck für die vielen innovativen Entwicklungen, die Anwender und Entwickler von Bildverarbeitungssystemen vor große Herausforderungen bei der Auswahl des optimalen Systems für ihre jeweilige Anwendung stellen.
„Vor diesem Hintergrund wird es immer wichtiger, dass Anwender sich auf die Beratung durch kompetente Partner für diese Schlüsseltechnologie verlassen können“, ist Keppler überzeugt. „Stemmer Imaging fokussiert sich seit 30 Jahren auf die industrielle Bildverarbeitung, hat die Entwicklung der Branche entscheidend mitgestaltet und deckt mit seinem Portfolio alle beschriebenen Technologien ab.“
Die Software ist ein wesentlicher Schlüssel
Als wesentlichen Schlüssel zum optimalen Bildverarbeitungssystem für den jeweiligen Einsatzfall bezeichnet Keppler das Thema Software: „Sie sollte unabhängig von der Hardwareplattform und vom Betriebssystem und darüber hinaus kompatibel zu den gängigen Sourcecodes und Standards sein, um die erforderliche Flexibilität zu bieten.“ Auch hier sieht Keppler sein Unternehmen aufgrund der hausinternen Softwareentwicklung, der seit Jahren etablierten Softwareplattform Common Vision Blox und eines professionellen Supports bestens aufgestellt, um Anwender auf dem Weg zur erfolgreichen Applikationsentwicklung optimal zu begleiten.
Dass die klassische Bildverarbeitung aufgrund der rasanten Entwicklungen im Bereich von Embedded Vision dabei schon bald ausgedient haben könnte, sieht Keppler nicht: „Embedded Vision-Systeme haben sowohl in Bezug auf ihre Leistungsfähigkeit, als auch bezüglich ihrer Einsatzvielfalt in den vergangenen Jahren einen enormen Aufschwung erlebt und bieten ihren Anwendern flexible Möglichkeiten. Dennoch wird es weiterhin zahlreiche Applikationen geben, in denen klassische PC-basierte Bildverarbeitungssysteme die optimale Lösung darstellen.“
