Sick hat den neuen Sensor „Inspector83x” für anspruchsvolle Konsumgüter-Produktionsverfahren entwickelt, der durch seine Einlernfunktionen die Konfiguration mittels leistungsstarker und präziser KI-Inspektionen ermöglicht. Der Sensor kann so auch von Laien benutzt werden und benötigt lediglich Muster. Auch abweichende Bauformen und Chargen mit Variationen können durch das Bedienpersonal der Produktionslinie auf die gleiche Weise hinzugefügt werden. Diese Inspektionen können innerhalb von wenigen Minuten durchgeführt werden.
Mit einer Auflösung von bis zu fünf Megapixel und integrierter Beleuchtung der „Inspector83x” ein praxisnahes Komplettprodukt. Mit einem leistungsstarken Vierkern-CPU und der High-Speed-Datenübertragung über Industrienetzwerke kann der Sensor Inspektionen mithilfe von KI direkt intern ausführen. Für die präzisen und schnellen Ergebnisse wird kein externer Controller benötigt. Bei Applikationen der industriellen Bildverarbeitung wie der Fehler- und Anomaliedetektion oder Klassifikation können typischerweise bis zu 15 Inspektionen pro Sekunde zuverlässig umgesetzt werden. In der Konsumgüter-, Lebensmittel- und Getränkeproduktion sowie der Automobil- und Verpackungsindustrie kommt es auf hohe Zuverlässigkeit und schnelle Taktzeiten an. Dieser Sensor bearbeitet Hersteller Aufgaben der industriellen Bildverarbeitung einfach und mit Qualität. So können komplexe Inspektionen in mittleren und großen Einsatzszenarien mit minimalem Einrichtungsaufwand durchgeführt werden. Auch die Evaluierung von Produkten mit unvorhersehbaren Merkmalen und die Verifizierung komplexer Baugruppen sowie Klarschrift- Auslesung und -Verifizierung werden unterstützt.
Die „Sick Nova-Software” ist vorinstalliert, was für eine sofortige Einsatzbereitschaft des Geräts sorgt. Das ermöglicht sowohl Experten als auch Laien, den Sensor über eine intuitive webbasierte Benutzeroberfläche schnell und einfach zu konfigurieren. Hierzu werden weder spezielle Kenntnisse im Bereich der industriellen Bildverarbeitung noch komplizierte Einrichtungsschritte für das Definieren von Inspektionen benötigt. Mit einem Standard-PC, der über USB-C oder den Netzwerk-Anschluss mit der Kamera verbunden wird, greifen Anwender auf die Benutzeroberfläche zu. Der Kamera werden Muster unter Produktionsbedingungen präsentiert. Anschließend erfolgen das Training und die Ausführung der Inspektion. Durch die Kombination der KI-Funktion mit konventionellen regelbasierten Tools, zum Beispiel das Hinzufügen eines einfachen Messwerts, lassen sich Inspektionen schnell und praxisnah konfigurieren.
Mit dem Sensor sind keine aufwändigen Konfigurationsprozesse zur Anpassung an Änderungen der Produktgestaltung oder Verpackung notwendig. So können beispielsweise neue Produktvarianten auch automatisch eingelernt und analysiert werden. Auf diese Weise entfällt eine aufwendige regelbasierte Parametrierung. Bereits auf der Kamera ist das Training des Neuronalen Netzwerks sowie eine eigenständige Prüfung möglich. Für das Datenmanagement und weitere, aufwendigere Prozessschritte, wie das Labeling, Training und die Evaluierung des Neuronalen Netzes, können Anwender den „Sick dStudio Cloud Service” verwenden. Dieser ermöglicht außerdem die Zusammenarbeit im Team mit einer benutzerfreundlichen Bedienoberfläche. Zudem ist auch die Entwicklung spezieller und applikationsspezifischer Prüfungen mit der Programmiersprache Lua und der Software für industrielle Bildverarbeitung Halcon möglich.
Nach der Einrichtung werden die Bearbeitung und Analyse direkt auf dem Sensor ausgeführt. Die Ergebnisse werden als Pass/Fail- oder Sensor-Werte an die Maschinensteuerung ausgegeben. Die Datenübertragung ist optimiert durch zwei Anschlüsse für Ethernet/IP und Profinet. Ein dedizierter Gigabit-Ethernet-Anschluss bietet ausreichende Kapazität für die Übertragung hochauflösender Bilder und Datenlogging oder TCP/IP-Integration. Der „Inspector83x“ erweitert das bestehende Produktportfolio der Inspector-Reihe mit einem breiten Spektrum an 2D- und 3D-Vision-Kameras und bietet somit mehr Skalierbarkeit für Benutzer.
