Evaluierung der Machbarkeit einer Deep-Learning-Anwendung im Bereich der industriellen Bildverarbeitung

Abstract

Im Zuge der Qualitätskontrolle im vollautomatisierten Montageprozess bei der Fa. Stiwa gibt es mehrere Bildverarbeitungsstationen. Dabei wird eine 2D-Abbildung eines Bauteils mittels Flächenkamera erstellt. Dieses so generierte Abbild wird im Anschluss mittels regelbasierter Software auf eine darauf befindliche Typenbezeichnung durchsucht. Bei dem im Rahmen dieser DA behandelten Anwendungsfall ging es um eine eingestanzte Ziffernfolge auf einem metallischen Grundkörper. Diese Seriennummer wird für die korrekte Weiterverarbeitung auf der Montagestraße benötigt. Eine Umstellung im Stanzprozess der Ziffern hat für die bis dato bei der Fa. Stiwa verwendete regelbasierte Ziffernerkennung eine Verschlechterung der korrekten Klassifikation der Ziffern ergeben. Zur Problemlösung entschied sich die Fa. Stiwa zur Erprobung von Deep Learning basierten Bildverarbeitungssystemen. Zum Zweck der Evaluierung des möglichen Ersatzes, des bis dato verwendeten regelbasierten Systems, wurden drei handelsübliche für den industriellen Einsatz vorgefertigte Systeme verglichen, die Deep Learning Methodik als integrierten Bestandteil in deren Entwicklungsumgebung verwenden. Die Aufgabe einer Ziffern-Lesung auf einem metallischen Blechteil mit verschiedensten Schriftarten und Umgebungslichteinflüssen meisterten zwei der drei Systeme mit guten Vorhersageergebnissen, aber auch mit Verbesserungsspielraum.

To save the quality of the products of the fully automated assembling plants at the Stiwa Company there are some image processing units. Therefore an 2D image of a part is recorded by a camera. The picture gets analyzed by a rule based detection algorithm to find some type designation on it. In the special case that was evaluated in this master thesis it was an digit recognition problem for detecting a serial number of stamped in digits on a metallic surface. Due to a change in the stamping process the rule based digit classification that was used by Stiwa until the begin of this thesis, performed worse. To solve this problem Stiwa decided to evaluated the usability of some deep learning based image processing systems. Therefore three very high developed machine vision systems built for industrial applications preferably have been tested on the subject of recognizing digits on a metal based sheet with different letter types and varying ambient light conditions. Two of the three compared machine vision systems did a good job on interfering on new data but still with space for improvement.