Wie geht man ein Machine Vision Projekt an — basierend auf Praxiserfahrung von Engineering bis Inbetriebnahme

Wer mehrere Machine Vision Projekte aus nächster Nähe begleitet hat, von einfacher Anwesenheitskontrolle bis hin zu komplexen Inline Inspektionen in Hochgeschwindigkeits Produktionsumgebungen, erkennt ein wiederkehrendes Muster. Vision Systeme scheitern selten daran, dass eine Komponente nicht gut genug ist. Sie scheitern, weil das Problem nicht korrekt definiert wurde, weil Annahmen nicht validiert sind oder weil Entscheidungen in der falschen Reihenfolge getroffen wurden.  

Ein Machine Vision System ist keine Summe einzelner Komponenten. Es ist eine Kette, in der Produkt, Positionierung, Beleuchtung, Objektiv, Kamera und Software sich direkt gegenseitig beeinflussen. Sensorgröße, Pixelgröße und Field of View bestimmen, was physikalisch erfasst werden kann, während Beleuchtung und Belichtungszeit bestimmen, was tatsächlich sichtbar wird. Eine kleine Abweichung in einem Element wirkt sich auf das gesamte System aus. Häufig wird dies erst während der Integration oder sogar erst in der Produktion sichtbar, wenn Anpassungen komplex und kostenintensiv sind. Deshalb sollte ein Vision Projekt nicht als Auswahl von Hardware betrachtet werden, sondern als strukturierter Engineering Prozess. Aus der Praxis zeigt sich: Der Unterschied zwischen einem stabilen und einem instabilen System liegt fast immer in der Reihenfolge der Entscheidungen.

Die Inspektionsspezifikation bestimmt System und Hardware im Machine Vision Projekt

Nachdem das Produkt verstanden ist, muss exakt definiert werden, was das System leisten soll. Das klingt selbstverständlich, wird in der Praxis jedoch oft zu allgemein formuliert. Eine Anwesenheitskontrolle ist ein grundlegend anderes Problem als die Detektion kosmetischer Fehler. Das Lesen eines Codes stellt andere Anforderungen als das Messen eines Maßes. Klassifikation unterscheidet sich wiederum von beidem. 

Diese Unterschiede wirken sich direkt aus auf:
• benötigte Auflösung
• Field of View und Pixelgröße
• Beleuchtungsart
• Toleranzen
• Softwarekomplexität

Ein häufiger Fehler ist, dass die Inspektionsspezifikation während des Projekts erweitert wird. Dann entsteht ein grundlegendes Problem: Die Hardware wurde bereits festgelegt. Ein System, das für einfache Detektion ausgelegt ist, eignet sich in der Regel nicht für fein detaillierte Inspektionen ohne Anpassungen. 

Daher gilt in der Praxis: Die Inspektionsspezifikation muss stabil sein, bevor Kamera, Objektiv und Beleuchtung ausgewählt werden.

Änderungen danach führen nahezu immer zu Kompromissen oder zu einem Redesign.

Inspektionsposition und Positionierung bestimmen die Stabilität des Vision Systems

Die Inspektionsposition ist einer der entscheidenden Faktoren für den Erfolg eines Vision Systems. Nicht die Kamera, sondern die Reproduzierbarkeit des Bildes bestimmt die Zuverlässigkeit. Ein stehendes Produkt bietet maximale Kontrolle. Die Beleuchtung kann optimal eingestellt werden und es entsteht keine Bewegungsunschärfe, da längere Belichtungszeiten möglich sind. Bei bewegten Produkten steigen die Anforderungen sofort. Die Geschwindigkeit bestimmt die notwendige Belichtungszeit und damit die Lichtintensität sowie das Risiko von Motion Blur. Noch wichtiger als die Geschwindigkeit ist jedoch die Stabilität der Bewegung.

Ein Produkt, das in jedem Zyklus identisch positioniert wird, ist vorhersehbar. Variationen in Position, Rotation oder Höhe führen zu Bildvariationen. Diese müssen kompensiert werden. Je besser die mechanische Positionierung, desto einfacher und robuster ist die Vision Lösung. In der Praxis gilt: Stabilität beginnt mechanisch, nicht in der Software.

Umgebungsbedingungen und Beleuchtung in Machine Vision Systemen

Neben Positionierung und Bewegung spielen Umgebungsfaktoren eine wichtige Rolle für die Stabilität eines Vision Systems.

Umgebungslicht kann durch Tageslicht oder Reflexionen variieren und beeinflusst direkt den Kontrast. In vielen Anwendungen ist es daher notwendig, die Beleuchtung zu kontrollieren und störende Einflüsse zu minimieren. Wie stark eine Abschirmung erforderlich ist, hängt wesentlich von der gewählten Beleuchtung und dem eingesetzten Kontrastmechanismus ab. In manchen Anwendungen reicht eine dominante, gezielt eingesetzte Beleuchtung aus, während in anderen Fällen eine physische Abschirmung notwendig ist, um eine stabile Bildaufnahme zu gewährleisten.

Darüber hinaus spielen Verschmutzung und Prozesseinflüsse häufig eine wichtige Rolle. In vielen industriellen Anwendungen können Wasser, Öl, Staub oder Produktreste vorhanden sein, abhängig vom Prozess und der Umgebung. Diese können sich auf optischen Flächen wie Schutzgläsern, Beleuchtung oder dem Objektiv ablagern und dadurch Kontrast, Schärfe und Reproduzierbarkeit beeinflussen, insbesondere bei kleinen Pixelgrößen.

Auch wenn diese Einflüsse nicht permanent auftreten, müssen sie im Design berücksichtigt werden. Ein System, das nur unter idealen Bedingungen stabil funktioniert, wird in der Produktion früher oder später Probleme verursachen. Deshalb berücksichtigen robuste Lösungen nicht nur Schutzmaßnahmen, sondern auch, wie Reinigung und Wartung durchgeführt werden können, ohne das System zu stören. Zugänglichkeit und Austauschbarkeit von Schutzkomponenten sind dabei wichtige Aspekte.

Elektrische Einflüsse wie Erdung und Störungen werden häufig unterschätzt, können aber zu instabilen Triggern oder Bildrauschen führen.

Kamera, Objektiv und Beleuchtung auswählen: die richtige Reihenfolge im Machine Vision

Erst wenn Produkt, Inspektion und Umgebung klar definiert sind, ist die Auswahl der Hardware sinnvoll. Die Reihenfolge ist dabei entscheidend und wird in der Praxis oft falsch umgesetzt.

Zuerst wird die Kamera ausgewählt, basierend auf Auflösung, Field of View, Pixelgröße und Geschwindigkeit. Auch die gewählte Schnittstelle wie GigE, USB3 oder CoaXPress bestimmt dabei die verfügbare Bandbreite und Latenz zur Verarbeitung. Dadurch wird festgelegt, wie viele Details erfasst werden müssen und in welcher Zeit. Anschließend wird das Objektiv gewählt. Das Objektiv muss die erforderliche Auflösung optisch über das gesamte Bildfeld liefern und zur Sensorgröße passen. Hier liegt eine häufige Fehlerquelle: Ein Objektiv mit unzureichender optischer Auflösung begrenzt das System grundlegend. Detail, das optisch verloren geht, kann softwareseitig nicht wiederhergestellt werden.

Erst danach wird die Beleuchtung definiert. Sie muss den richtigen Kontrast innerhalb der geometrischen und optischen Randbedingungen erzeugen und ausreichend Intensität für die gewählte Belichtungszeit liefern.

Daraus ergibt sich ein wichtiges Prinzip:
•    Die Kamera definiert die Anforderungen
•    Das Objektiv definiert die optische Machbarkeit
•    Die Beleuchtung bestimmt die Sichtbarkeit

Alle drei müssen im Gleichgewicht sein.

Die Auswahl von Kamera, Objektiv, Beleuchtung und Software wird in separaten Artikeln weiter vertieft. 

Testaufbau und Validierung von Machine Vision Systemen

Der Testaufbau ist die Phase, in der das System tatsächlich nachgewiesen wird. Hier werden Annahmen überprüft und Entscheidungen validiert.

In dieser Phase wird deutlich:
• ob der gewählte Kontrastmechanismus funktioniert
• ob das Objektiv ausreichend Details liefert
• wie stark sich Produktvariationen auswirken

Häufig zeigt sich, dass kleine Variationen große Auswirkungen haben. Was unter idealen Bedingungen funktioniert, kann unter realistischen Bedingungen instabil sein. Deshalb muss der Testaufbau repräsentativ für die Produktion sein. Was hier nicht stabil funktioniert, wird es später auch nicht.

Taktzeit, Belichtungszeit und Motion Blur in Vision Systemen

Die Taktzeit bestimmt, wie viel Zeit für Bildaufnahme, Verarbeitung und Kommunikation im System und über die gewählte Schnittstelle zur Verfügung steht, ist jedoch unabhängig von der physikalischen Bildentstehung. Die Bewegungsgeschwindigkeit des Produkts hat dagegen direkten Einfluss auf die Bildqualität. Mit zunehmender Geschwindigkeit muss die Belichtungszeit verkürzt werden, um Bewegungsunschärfe zu vermeiden. Dies stellt unmittelbare Anforderungen an die Lichtintensität und Stabilität der Beleuchtung sowie an die Synchronisation des Triggerings.

Bewegungsunschärfe ist ein physikalischer Effekt, der nicht softwareseitig korrigiert werden kann. Geht während der Belichtung durch Bewegung Detail verloren, steht diese Information für die weitere Verarbeitung nicht mehr zur Verfügung. In der Praxis bedeutet das, dass Bewegungsgeschwindigkeit und Belichtungszeit gemeinsam betrachtet werden müssen, unabhängig von der Taktzeit. Ein System kann ausreichend Verarbeitungszeit haben und dennoch aufgrund unzureichender Bildqualität durch Bewegungsunschärfe versagen.

FAT und SAT: Validierung von Machine Vision Systemen in der Praxis

Nach der Engineeringphase folgt die Validierung und genau hier muss sich ein Vision System in der Praxis beweisen. In vielen Projekten wird diese Phase als formaler Schritt betrachtet, tatsächlich zeigt sich hier jedoch, ob alle vorherigen Entscheidungen tragfähig sind.

Die Factory Acceptance Test (FAT) erfolgt unter kontrollierten Bedingungen. Das System wird mit bekannten Produkten gemäß den definierten Spezifikationen getestet. Dabei wird überprüft, ob die geforderten Merkmale erkannt werden, ob die Stabilität ausreichend ist und ob die Akzeptanzkriterien erfüllt sind. Wichtig ist, dass die FAT keine ideale Demo ist. Werden nur perfekte Muster verwendet oder Variationen ausgeblendet, entsteht ein verzerrtes Bild der Leistungsfähigkeit. Eine gute FAT bildet die Realität so weit wie möglich ab, einschließlich Produkt- und Positionsvariationen.

Nach der FAT folgt die Integration in die Maschine und damit der Übergang zur Site Acceptance Test (SAT). In dieser Phase wird das System unter realen Produktionsbedingungen getestet. Hier treffen alle Faktoren zusammen, die zuvor nur teilweise vorhanden waren: Umwelteinflüsse, mechanische Variationen, Bedienereingriffe und Prozessschwankungen.

In der Praxis zeigt sich hier, wie robust ein System wirklich ist. Eine Lösung, die in der FAT stabil war, kann in der SAT instabil werden, wenn Randbedingungen nicht vollständig beherrscht sind. Deshalb ist die SAT keine Formalität, sondern die eigentliche Validierung.

Ziel dieser Phase ist nicht nur der Nachweis der Funktion, sondern der Nachweis der dauerhaften Stabilität unter realen Produktionsbedingungen.

Häufige Fehler in Machine Vision Projekten

Wenn Vision Projekte Probleme zeigen, sind die Ursachen selten einzigartig. In der Praxis treten immer wieder die gleichen Muster auf.

• Eine der häufigsten Ursachen ist die Unterschätzung der Beleuchtung. Ohne ausreichenden und stabilen Kontrast wird jede Form der Detektion unsicher, insbesondere bei Variationen im Produkt oder in der Umgebung.
• Zudem wird häufig ein Objektiv gewählt, das die erforderliche optische Auflösung nicht erreicht. Dadurch gehen Details verloren, bevor sie den Sensor erreichen.
• Ein weiteres wiederkehrendes Problem ist die Verwendung einer zu kleinen Stichprobe. Systeme, die auf idealen Bedingungen basieren, sind in der Produktion oft nicht robust genug.
• Auch mechanische Instabilität ist eine häufige Ursache. Variationen in der Positionierung führen direkt zu Bildabweichungen und beeinträchtigen die Zuverlässigkeit der Inspektion.
• Änderungen der Inspektionsspezifikation nach der Hardwareauswahl führen ebenfalls zu Problemen. Es entsteht eine Diskrepanz zwischen Anforderung und physikalischer Umsetzbarkeit.
• Schließlich wird Software häufig eingesetzt, um grundlegende Probleme zu kompensieren. Das erhöht die Komplexität, ohne die eigentliche Ursache zu lösen.

All diese Ursachen haben gemeinsam, dass sie nicht auf mangelnde Technologie zurückzuführen sind, sondern auf die Reihenfolge der getroffenen Entscheidungen.

Erfolgsfaktoren für ein stabiles Machine Vision System

Erfolgreiche Vision Projekte zeichnen sich nicht durch Komplexität aus, sondern durch Struktur und Disziplin in der Umsetzung.

Die Grundlage ist ein tiefes Verständnis des Produkts und der Variationen in der Produktion. Darauf aufbauend wird die Inspektion klar definiert, einschließlich eindeutiger Akzeptanzkriterien. Anschließend wird die Inspektionsposition so gestaltet, dass eine reproduzierbare Positionierung gewährleistet ist. Dies bildet die Basis für stabile Bildaufnahme. Erst danach erfolgt die Hardwareauswahl in der richtigen Reihenfolge: zuerst die Kamera, dann das Objektiv und schließlich die Beleuchtung.

Sind diese Schritte sauber umgesetzt, entsteht ein stabiles Bild. Erst dann sollte die Software entwickelt werden.

Fazit: Machine Vision als Systemengineering

Machine Vision ist keine Auswahl einzelner Komponenten.

Es ist Systemengineering. Die Qualität eines Vision Systems wird dadurch bestimmt, wie gut das Problem verstanden wurde und in welcher Reihenfolge Entscheidungen getroffen werden. Wer mit der Hardware beginnt, versucht später Probleme zu lösen, die vorher hätten vermieden werden können. Wer beim Produkt und bei der Physik der Bildentstehung beginnt, schafft die Grundlage für ein robustes System.

Am Ende zählt nur eines: Funktioniert das System dauerhaft stabil in der Produktion — unter Variation, über Zeit und ohne permanente Nachjustierung.

Benötigen Sie Unterstützung bei Ihrem Machine Vision Projekt?

Benötigen Sie zusätzliche Unterstützung bei Ihrem Machine Vision Projekt? Dann nehmen Sie gerne Kontakt auf mit unseren Vision Spezialisten.