Befindet sich Zuckerguss auf dem Kuchen? Ist gar eine Fliege auf dem Eis gelandet? Solche Fragen bei der Inspektion von Lebensmitteln kann der Mensch mit dem bloßen Auge erkennen. Bei automatisierten Produktionsabläufen sind diese Aufgaben durch klassische Bildverarbeitung kaum zu lösen. Gerade bei organischen Produkten, die eine natürliche hohe Varianz aufweisen, ist eine künstliche Intelligenz nötig, die selbständig entscheidet, ob eine Varianz zum Produkt gehört oder ob es sich um einen Fehler handelt. Oder ob die Varianz daraus resultiert, dass statt Sorte 1 hier Sorte 2, 3, 4 oder gar 5 vorliegt.

„Bis dato war der Einsatz von KI in der Lebensmittelproduktion und -Verarbeitung jedoch mit hohen Hürden versehen: Es brauchte Expertise in KI und Bildverarbeitung, Hunderte Bilder mussten eingelernt werden, bevor ein Bildverarbeitungssystem das konnte, was das bloße Auge in Millisekundenschnelle erkennt“, erläutert Imago-Geschäftsführer Carsten Strampe.

KI-gestütztes Inspektionssystem nach wenigen Minuten startklar

Das Einsteigermodell Vision Cam AI.go von Imago Technologies verspricht nun schnelle Einsatzbereitschaft. Die industrielle KI-Kamera mit integriertem Prozessor ist darauf ausgelegt, Objekte in zwei bis fünf sogenannte Klassen einzusortieren. Ohne Programmieraufwand und unterstützt von einer Web-GUI können Anwender der Inferenzkamera ihre firmeneigenen Unterscheidungen in Form von unterschiedlichen Prüfobjekten oder Fertigungsabweichungen selbst beibringen, indem sie einfach ein paar Bilder für jede Klasse hochladen. Danach lernt die Smartkamera selbstständig neue Bilder. Innerhalb weniger Minuten ist das System als voll funktionsfähiges Inspektionssystem einsatzbereit. Über digitale Schnittstellen ist die smarte Kamera mit der Außenwelt verbunden. 

KI braucht 30 Bilder, um fehlerhafte Kekse zu erkennen

Ein Hersteller möchte Kekse ohne Nuss erkennen und aussortieren. Zunächst lädt er dazu ca. 30 Beispielbilder von Keksen ohne Nuss in die KI-Trainings-Software, anschließend ca. 30 Beispielbilder von Keksen mit Nuss. So lernt die KI von seinem Wissen. Dann startet der Anwender das vollautomatische Programm seines neuronalen Netzwerks, das die Kamera ausführt. Sobald der Trainingsprozess abgeschlossen ist, erhält er eine Benachrichtigung. Die KI-Software der Kamera hat nun die zwei Bildklassen „Keks ohne Nuss“ und „Keks mit Nuss“ eingelernt. Die Kamera ist bereit für die Entscheidung.

Im Automatikmodus schaltet eine Lichtschranke das Signal für die Bildaufnahme, die Kamera entscheidet zwischen Bildklasse 1 „Keks ohne Nuss” und Bildklasse 2 „Keks mit Nuss” und sendet ein Signal an die SPS. Bei Bildklasse 1 schaltet ein Ventil für die Ausschleusung des Kekses ohne Nuss. So lässt sich der Einsatz von KI-basierter Bildverarbeitung in kurzer Zeit realisieren.

Geschäftsführer Carsten Strampe: „Der Produktname Vision Cam AI.go drückt das ganz schön aus, dass es sich nicht nur um eine Kamera handelt, sondern um ein komplettes Vision-System. AI steht für Artificial Intelligence. ‚Go‘ signalisiert, dass Sie als Anwender direkt die Kamera nutzen können. Wer schon einmal eine Smartkamera zum Laufen gebracht hat, kann auch mit der Vision Cam AI.go umgehen. Wobei es damit noch wesentlich einfacher ist.“

Volle Kontrolle über sensible Bilddaten

Ein weiterer Vorteil des Vision-Systems liegt darin, dass Anwender die volle Kontrolle über ihre Bilddaten haben. Nichts wäre schlimmer, als wenn sensible Daten wie Fehlerbilder aus der Produktion via Cloud an die Öffentlichkeit geraten. Bei der Vision Cam AI.go ist das ausgeschlossen. Der Einlernvorgang und die Speicherung der Bilder finden direkt in der Kamera statt – und lassen sich dort auch bei Bedarf löschen.  

Zudem ist das Embedded-Vision-System mit geringem Platzbedarf überall integrierbar. Strampe führt aus: „In nur wenigen Jahren ist es gelungen, dass derartige Anwendungen anstatt auf einem großen Industrie-PC mit einer leistungshungrigen GPU-Karte in einer noch nicht einmal faustgroßen Kamera integriert sind.“

Vision-System für das Sortieren oder die Inspektion von Lebensmitteln

Ihre Vorzüge kann die Kamera besonders dort ausspielen, wo es für klassische Bildverarbeitung schwierig wird: bei Obst, Gemüse, Keksen, Pizza und vielen anderen Waren, bei denen ein Objekt nicht exakt dem anderen gleicht. Solange die Unterscheidungsmerkmale von Objekten mit dem bloßen Auge gut erkennbar sind, sind der Fantasie keine Grenzen gesetzt. „Der generelle Gedanke dabei ist: Kann ich eine Situation in zwei bis fünf Bildklassen abbilden?”, beschreibt Strampe die Vorgehensweise.

Praktische Beispiele sind die Qualitätskontrolle, das Sortieren von Produkten, das Erkennen von Fremdkörpern oder von Inhomogenität. Aber auch die Inspektion von Verpackungen ist denkbar: Die Kamera erkennt geöffnete Verpackungen, verknicktes Papier, einen Stau von Produkten, den Füllstand von Flüssigkeiten, die Höhe eines Stapels und vieles mehr.

Auch auf Maschinenebene ergibt der Einsatz der KI-Kamera Sinn: In welcher Position steht eine Maschine? Ist der Hebel links, in der Mitte oder rechts? Ist das Ventil geöffnet? Gibt es einen Produktstau vor der Maschine? Ist zum Beispiel eine Flasche auf dem Fließband umgefallen? 
Strampe ist überzeugt: „Für die Inspektion und Sortierung von Prüfobjekten mit hoher Varianz ist die Vision Cam AI.go optimal. Imago Technologies beseitigt mit der Einsteigerkamera die Hürden für die Nutzung von KI in der Lebensmittelproduktion, sodass auch Unternehmen ohne Expertise in Deep Learning vom neuesten Stand der Technik profitieren und ihren Wettbewerbsvorsprung halten können.“

Autor
Christoph Siemon