Bildverarbeitung im Einsatz -  Anwendungsbeispiele aus zahlreichen Branchen

BILDVERARBEITUNG IM EINSATZ

Kundenreferenzen & Anwendungsbeispiele aus zahlreichen Branchen

Mit Robotern Obst und Gemüse ernten

Mai 2016

Der Bildverarbeitungsspezialist STEMMER IMAGING arbeitet eng mit einigen Herstellern landwirtschaftlicher Erzeugnisse zusammen, um Lösungen zur automatisierten Ernte von Obst und Gemüse zu entwickeln. Die Kombination und Anpassung bestehender Roboter mit 2D- und 3D-Bildbearbeitungstechnologien soll den Ernteprozess effizienter machen und Ausschuss verringern.

Obst- und Gemüsebauern sind von Supermarktketten abhängig. Diese bestimmen häufig nicht nur ganz genau die Größe, Form und das Aussehen der Gemüsesorten, die sie akzeptieren, sondern sie spezifizieren darüber hinaus oft ein ganzes Jahr im Voraus die Menge der Produkte, die sie für eine bestimmte Kalenderwoche erhalten möchten. Dies stellt die Bauern vor erhebliche logistische Probleme, da sie ihre Früchte nach diesem zukünftigen Bedarf planen müssen, wobei sie keinerlei Kontrolle über Umweltbedingungen wie z.B. das Wetter haben.

Ein Erntesystem auf der Grundlage von Bildverarbeitung kann dafür sorgen, dass nur diejenigen Feldfrüchte geerntet werden, die den Supermarktkriterien entsprechen, so dass ein nachfolgendes Sortieren entfallen kann. Genauso wichtig ist: Ein solches System kann die Daten von Größe und Form der Früchte erfassen, die noch nicht geerntet wurden, so dass der Gemüsebauer diese Information in Kombination mit kurzfristigen Wettervorhersagen in seine Überlegungen einbeziehen kann, ob die verbleibenden Früchte in den kommenden Wochen noch ausreichend reifen werden, um die Kriterien doch noch zu erfüllen und somit den Ausschuss zu verringern.

Mark Williamson**, Director - Corporate Market Development bei STEMMER IMAGING
Mark Williamson,
Director - Corporate Market Development,
STEMMER IMAGING

Mark Williamson, Director - Corporate Market Development bei STEMMER IMAGING erläutert: „Supermärkte haben viel Kritik für ihre Politik einstecken müssen, nur „perfekt geformtes“ Obst und Gemüse zu verkaufen. Dies kann zu einem hohen Aufkommen an Nahrungsabfällen führen, da ein signifikanter Teil der Ernte aufgrund der nicht erfüllten Kriterien entsorgt werden muss. Dadurch entsteht zusätzlicher finanzieller Druck auf die Anbauer, deren Gewinnmargen bereits stark reduziert wurden, nachdem sie die Bedingungen der Supermärkte akzeptieren mussten.

Im Prinzip ist die Bildverarbeitung das perfekte Werkzeug für diese Art von Anwendung, wenn man bedenkt, dass optische Systeme bereits zur Erfassung von Größe, Form, Farbe usw. vieler Produkte in Industrieumgebungen eingesetzt werden. Der Betrieb eines Vision-Systems auf einem Roboterfahrzeug unter sehr unterschiedlichen Wetterbedingungen ist dennoch etwas ganz anderes, als der Betrieb in einer Fabrik: Er bringt eine ganze Menge an Herausforderungen mit sich, da das System in der Lage sein muss, mit gleicher Effizienz zu arbeiten, unabhängig davon, ob es sonnig, wolkig oder regnerisch ist oder ob sogar bei Nacht geerntet wird."

Ein weiteres großes Problem, dem wir uns stellen mussten: Obst und Gemüse sind organische Produkte, die natürliche Abweichungen aufweisen, selbst bei den Produkten, welche die Spezifikationen von Form und Größe erfüllen. Ein Bildverarbeitungssystem muss in der Lage sein, dies zu berücksichtigen. STEMMER IMAGING hat aufgrund dessen seine Bildverarbeitungssoftware CVB Manto in das System integriert. Dieses vielseitige, zukunftsweisende Mustererkennungstool setzt eine neurale Technologie ein, die aus der Forschung im Bereich künstlicher Intelligenz hervorgegangen ist. Sie nutzt die Bildinformationen aus mehreren Bildebenen und kann auf Schwarzweiß-, Farb- und 3D-Bilder angewandt werden. Diese Software erkennt automatisch die Schlüsselmerkmale, die zur Identifizierung der Objektklasse beitragen.

Grundsätzlich lernt das System, interessante Muster aus einem Satz von Lernbildern heraus zu identifizieren, indem es eine neue Art mehrfach skalierbarer Vorverarbeitungsfilter einsetzt, um auf diesem Weg organische Formen und Texturen zu erkennen. Im nächsten Schritt folgt eine Klassifizierungsauswahl für jedes Objektbild und so ein Wahrscheinlichkeitsfaktor für die Klassifizierung berechnet. Im Wesentlichen nutzt CVB Manto eine Anzahl von Lernbildern, um damit Objekte mit einer Genauigkeit zu klassifizieren, die mit herkömmlichen Mustererkennungswerkzeugen nicht erreichbar ist. Das CVB-Tool bietet dennoch die Flexibilität, natürliche Abweichungen zuzulassen. Für manche Anwendungen werden Laser-Scanning 3D-Sensoren wie LMI Gocator für Messungen eingesetzt, mit dem dazugehörigen 2D-Schwarzweißbild, was zusätzliche Entscheidungen zur Oberflächenverfärbung - also beispielsweise zum Reifegrad von Obst oder Gemüse - ermöglicht.

Williamson fasst zusammen: „Auch wenn in diesen spannenden Projekten bereits bestehende Technologien zum Einsatz kamen, gibt es noch keine Standard-Lösungen. Wir haben unsere umfassende Bildverarbeitungsexpertise eingebracht, um so auf die individuellen Bedürfnisse der einzelnen Anbauer einzugehen. Die meisten dieser Projekte haben Machbarkeitsstudien durchlaufen und sind nun bereit für praktische Feldversuche – im wahrsten Sinn des Wortes!"

LMI

Delta, Canada

LMI Technologies Inc. (LMI) ist ein weltweit führender Anbieter von Systemen für die 3D-Messtechnik. Seine leistungsfähigen und benutzerfreundlichen Entwicklungen im Bereich der 3D-Sensortechnologie werden in den unterschiedlichsten Branchen für eine Vielzahl von Bildverarbeitungs-, Steuerungs- und Automatisierungs-Aufgaben eingesetzt.

STEMMER IMAGING

Puchheim, Germany

STEMMER IMAGING ist seit 1987 in der industriellen Bildverarbeitung tätig und mittlerweile Europas größter Technologie-Anbieter in diesem Bereich. 1997 stellte STEMMER IMAGING mit Common Vision Blox (CVB) eine leistungsstarke Programmierbibliothek vor, die eine schnelle und zuverlässige Entwicklung und Implementierung von Bildverarbeitungslösungen ermöglicht und inzwischen weltweit über 40.000 mal in verschiedensten Branchen erfolgreich im Einsatz ist.

CVB Manto - Software zur Erkennung und Klassifizierung stark variierender Objekte
  • Software zur Erkennung universeller Objekte
  • Findet und klassifiziert Objekte, liest Handschriften, erkennt Gesichter etc.
  • Basiert auf Support Vector Machines-Technologie (SVM)
  • Enthält Manto Teach zum Anlernen neuer Objekte
LMI Gocator 2100 / 2300 / 2400 / 2880 - Intelligente 3D-Profil-Sensoren
  • Kompakte und flexible 3D-Profil-Sensoren
  • Intelligente Stand-Alone-Inspektions-Systeme
  • Konfiguration und Steuerung über integrierten Web-Browser
  • Keine externen Steuergeräte erforderlich