Deep Learning für intelligentes Bin Picking
KI-basierter Griff in die Kiste
Roboter in Fabriken werden meist für monotone Aufgaben eingesetzt, da sie nicht die kognitiven Fähigkeiten einer menschlichen Arbeitskraft besitzen. Das beginnt sich jedoch durch den Einfluss von künstlicher Intelligenz (KI) und 3D-Vision-Systemen zu ändern. Durch deren Nutzung kann der Roboter produktiver und flexibler arbeiten, wie eine neue KI-basierte Bildverarbeitungslösung zeigt.
AccuPick unterscheidet sich von herkömmlichen 3D-Systemen durch die Anwendung von Deep Learning. (Bild: Solomon Technology Corporation)
Durch die nahtlose Integration moderner Scanner-Hardware, 3D-Verarbeitungssoftware und KI-Technik ist das AccuPick 3D-System in der Lage, Bin Picking mit hoher Erkennungsrate und Benutzerfreundlichkeit durchzuführen. Im System arbeitet der Lichtfarbscanner Solscan, der gemustertes Licht auf Objekte projiziert und als Ausgabe eine dichte Punktwolke mit der 3D-Topologie von Objekten erzeugt. Es gibt zwei Versionen des Scanners mit Auflösungen von 2,3 und 5 Megapixel. Das Sichtfeld reicht von 270×180 bis 1.200x800mm bei Arbeitsabständen von 450 bis 2.000mm. Die Messzeit beträgt 0,1 bis 0,2s bei einer 3D-Rate von >10Hz. Was AccuPick von herkömmlichen 3D-Systemen unterscheidet, ist die Fähigkeit, komplex geformte Objekte effektiv und effizient zu erkennen. Das ist möglich durch den Einsatz von Deep-Learning-Algorithmen. Die Zeit, die für den Lernprozess der Software aufgewendet wird, um die Werkstücke unabhängig von Position und Ausrichtung zu erkennen, lässt sich bis zu 70 Prozent reduzieren. Darüber hinaus ist das Bahnplanungsmodul des Systems speziell auf Anwendungen ausgerichtet, bei denen Roboterarme innerhalb eines übergroßen Behälters manövriert werden müssen. Das System wurde erfolgreich in verschiedenen Industriezweigen eingesetzt, darunter in Automobilbau, Elektronikfertigung, Lebensmittelverpackung, Maschinenbedienung und Palettierung. Es bietet dem Anwender viel Flexibilität durch die Fähigkeit, komplexe Umgebungen zu erkennen, z.B. das Kommissionieren und Sortieren verschiedener Objekte oder das Bestimmen der richtigen Ausrichtung von verschlossenen Werkstücken. AccuPick ist kompatibel mit bekannten Robotermarken wie Universal Robots, Fanuc, Stäubli, Yaskawa, Kuka oder ABB.
3D-Vision-geführter Roboter
Die fixe Platzierung eines Werkstück in einer Produktionslinie ist häufig schwierig, da die händische Platzierung nicht akkurat genug für einen Roboter ist, um die Aufgabe korrekt auszuführen. Die Alternative besteht darin, mechanische Vorrichtungen zu entwickeln, die auf jedes Werkstück abgestimmt sind, sodass ein Roboter die Aufgabe ausführen kann, nachdem die Position des Werkstücks mechanisch festgelegt wurde. Die Nachteile dieses mechanischen Ansatzes sind die hohen Kosten für die Konstruktion dieser Vorrichtungen, die mangelnde Flexibilität, wenn ein Teil nicht mehr produziert wird, und die Umrüstzeiten in den Produktionslinien. Die 3D-Vision-gesteuerte Roboterlösung Solmotion nimmt diesen Aufgaben die Komplexität, da sie einzigartige Merkmale an einem Werkstück erkennt und somit die 3D-Position und Orientierung des Werkstücks auch bei ungenauer Platzierung erkennen kann. Der Solscan-3D-Scanner macht eine Momentaufnahme des Werkstücks, die Software passt sich umgehend an und berechnet die erforderlichen Routen für die Bewegungen des Roboters.
Die KI-basierte Vision-Lösung kann die Produktivität von Robotern steigern, indem es sie intelligent und flexibel macht. (Bild: TeDo Verlag GmbH)
KI-basierte Sichtprüfung
Die raschen Fortschritte bei KI verändern die Art und Weise, wie Probleme der industriellen Bildverarbeitung angegangen werden. Im industriellen Umfeld waren Defekte und Merkmale mit unregelmäßigen Mustern wie schwer zu definierende Kratzer, Flecken, Risse und viele andere Arten von Fehlern für herkömmliche regelbasierte Methoden schwierig zu untersuchen, können aber nun mithilfe neuronaler Netze einfacher identifiziert werden. Solvision, eine KI-basierte Bildverarbeitungssoftware, ist gut geeignet, um solche Inspektionsprobleme zu lösen. Wie die Art und Weise, Menschen, Objekte oder Merkmale zu identifizieren, erfordert auch das Deep Learning kein mühsames Schreiben von Codes, um jeden Fehlertyp zu untersuchen. Alles, was man braucht, ist ein Muster, um die Fehlertypen für die Maschinen zu kennzeichnen, was die Inspektionsaufgaben vereinfacht und den Ingenieuren viel Zeit beim Schreiben der Programme erspart. Ein weiterer Vorteil von Solvision ist die nahtlose Integration mit verschiedenen Robotern, Sechsachsern oder Scaras, sodass die geprüften Objekte automatisch getrennt werden können. Solvision kann durch den Einsatz von Solomons 3D-Solscan-Scanner und -Software auch auf Objekte mit drei Dimensionen erweitert werden.
