PixelAnalysis

PatControl verfügt über Pixelsensoren, die über die integrierte Scriptsprache Lua ausgelöst werden. Jedes Script ist mit einem Prüfplan verbunden, der sich von der Prozesssteuerung beliebig laden lässt, z.B. Rotationsprüfpläne.

Jeder Trigger an der Kamera löst Events an das jeweilige Script aus, das nun die vorhandenen Pixelsenoren anstößt, genau so, wie es die Objekterkennung für Ihrer Teile benötigt.

Lua bekommt vom Prüfplan benutzerdefinierbare Parameter in Form von Events. Mit diesen ist es möglich, noch während der Laufzeit der Maschine ggfl. Position und Art der Sensoren zu verändern. Auch diese Parameter kann Lua nachführen,z.B. aufgrund von Trends der Messungen oder über den Stichprobenumfang.  
(Dynamic -SPC "StatisticProcessControl")
 
Die Sensorergebnisse (PatResults) können als gesamtes Prozessergebnis auf der Oberfläche von PatControl als Rechtecke,Kreise,Dreiecke und Texte Dargestellt werden, sowie Datenübertragungen und Schaltzustände auslösen.

 

Pixelsensoren Übersicht

         
statistisches Thresholdverfahren Fingers statistische Kantenfindung Hochgeschwindikeits Labeling (Inselfinder) Suchwurmverfolg von Kanten ScheitelpunktDunkelfeldAnalyse
         

 

   

 

 
Schärfen und
Schwellwert/Farb
Sensoren sind
Pixeloperationen
pro Fläche, und
geben Information
über Verteilung
und Helligkeit
der Bildpunkte im
statistischen
Mittelmaß.
Kantendetektoren
kollidieren mit
Helligkeits
übergängen, und
ermitteln die
statistische
Übergangsmitte.
Die zusammenhangs-
anlayse findet in
einem Bereich
alle Pixelschlüsse,
und bildet daraus
numerische Objekte.
Kantenverfolgung
sind logische
Operatoren die dem
kantenverlauf eines
Objektes nachlaufen
und dabei eine
numerische Vektor-
isierung des Objektes
erzeugen.

Dunkelfeldanalyse
unter hellen
Beleuchtungspunkten
kann unter
berücksichtung des
Lichteinfallwinkel
die Höhe eines
Objektes bewertet
werden.

Schärfen-Höhensensor

Software-Höhenmessung

Der Schärfensensor liefert bei strukturgebenden Substraten, einen hochauflösenden Wert zwischen
0.0 bis >100.0 und beschreibt damit die Schärfe des Ausschnittes.Je nach Objektiv verläuft die Kurve nicht linear und muss für die verwendete Apertur aproximiert werden.Kennt man eine Refrenzhöhe lässt sich über die Prüfplanprogrammierung in LUA eine hochpräzise Höhenmessung herstellen. 

 

Bilderkennung

 

 

In der Bild in Bild Erkennung werden in einem Untersuchungsvorgang alle Helligkeitsübergänge und Konturen als Merkmale des Bildpunkteverlaufes gesammelt und gespeichert.

Ein weiterer Prozess reduziert anschließend die Menge der Merkmale und überführt diese in einem skalierten Merkmalsraum. Hier liegen die Daten in Gruppen klassifiziert vor, z.B. unterteilt in Mengengewichte und Fließrichtung. Mit der über LUA erreichbaren Funktionalität ImageRecognition kann ein Bildausschnitt z.B.
(1024x768) mit bis zu 65[Hz] hochgerechnet werden.

Im Anschluß wird eine Liste aller identifizierten Merkmale geliefert. Die Suche nach gleichartigen Merkmalsgruppen ermöglicht die Erkennung von ähnlichen Objekten im Bild. Außerdem kann durch die Charakterisierung der Konturen hochgenau eine Lage -Bestimmung von Kanten und Übergängen ermittelt werden.

 

Ausschnitt zusammgefasste Merkmale

Ausschnitt Einzelmerkmale mit Flußrichtung Ausschnitt zusammgefasste Merkmale Ausschnitt Einzelmerkmale mit Flußrichtung

Kamera vs LIDAR

LIDAR Systeme sind eine sehr gute option genaue Informationen über das Umfeld autonomer Systeme zu erlangen. Dennoch kann ein Multicore Edge -Detector der intelligent Informationen aus dem laufenden Bild gewinnt wesentlich preisgünstiger und unempfindlicher realisiert werden.

Neuronal Edge Detector with 10 CPU-Cores
Jede Linie der Image -Vektorisierung hat Merkmale die mit der Fluss Richtung auch farblich dargestellt werden kann.