Maschinelles Sehen ermöglicht es Maschinen, Bilder zu prüfen und zu analysieren. Eine Kamera erfasst eine Szene. Eine Software extrahiert Informationen: Ist das Teil defekt? Ist das Etikett korrekt ausgerichtet? Ist die Schweißnaht vollständig? Die Maschine trifft eine Entscheidung und löst eine Aktion aus, in der Regel Annahme oder Ablehnung.

Die Fabrikautomation trieb die Entwicklung in diesem Bereich voran. In den 1980er-Jahren nutzten Bildverarbeitungssysteme analoge Kameras und spezielle Hardware. Sie waren teuer und empfindlich. Heute liefern GigE Vision- und USB3-Kameras Bilder an Industrie-PCs, auf denen Deep-Learning-Modelle laufen. Ein einzelnes System kann Hunderte von Teilen pro Minute mit einer Genauigkeit prüfen, die die von menschlichen Prüfern übertrifft.

Anwendungen der Bildverarbeitung

• Fehlererkennung in Produktionslinien.
• Dimensionsmessung und -prüfung.
• Barcode- und OCR-Lesung.
• Roboterführung und Behälterentnahme.
• Überprüfung der Montage und Anwesenheits-/Abwesenheitskontrollen.

Die größte Herausforderung ist die Beleuchtung. Ein gutes Bild erleichtert der Software die Arbeit, ein schlechtes macht sie unmöglich. Bildverarbeitungsingenieure verbringen mehr Zeit mit der Beleuchtung als mit Algorithmen. Gegenlicht erzeugt Silhouetten. Ringlichter reduzieren Schatten. Kuppellichter streuen Reflexionen. Strukturiertes Licht verleiht Tiefe. Sobald das Bild scharf ist, können Deep-Learning-Modelle Defekte klassifizieren oder Objekte mit hoher Genauigkeit segmentieren. Bildverarbeitung bedeutet nicht, wie ein Mensch zu sehen. Es geht darum, das Wesentliche für die jeweilige Aufgabe zuverlässig, schnell und ermüdungsfrei zu erfassen.