PatentDe  


Dokumentenidentifikation DE10142165B4 25.01.2007
Titel Verfahren zum Optimieren eines Bildverarbeitungssystems
Anmelder Robert Bosch GmbH, 70469 Stuttgart, DE
Erfinder Baehring, Dietrich, 70193 Stuttgart, DE
DE-Anmeldedatum 29.08.2001
DE-Aktenzeichen 10142165
Offenlegungstag 03.04.2003
Veröffentlichungstag der Patenterteilung 25.01.2007
Veröffentlichungstag im Patentblatt 25.01.2007
IPC-Hauptklasse G06K 9/62(2006.01)A, F, I, 20051017, B, H, DE

Beschreibung[de]

Die Erfindung bezieht sich auf ein Verfahren zum Optimieren eines Bildverarbeitungssystems, bei dem ein Objekt beleuchtet und mittels eines Bildaufnehmers er-fasst wird sowie mittels des Bildverarbeitungssystems eine Optimierung einer Erkennungsleistung bezüglich des Objektes erfolgt, wobei die Beleuchtung mittels des Bildverarbeitungssystems automatisch nach vorgegebenen oder vorgebbaren Erkennungskriterien optimiert wird, sowie auf eine Vorrichtung zur Durchführung des Verfahrens nach dem Oberbegriff des Anspruches 6 und eine Verwendung eines stochastischen Optimierungsalgorithmus in einem Regelverfahren eines Bildverarbeitungssystems.

Ein derartiges Verfahren bzw. eine derartige Vorrichtung zum Optimieren eines Bildverarbeitungssystems ist in R. Malz „Der Einsatz schneller Beleuchtungsoperationen für die robuste Merkmalsextraktion und Segmentierung in der indu-striellen Objekterkennung und Qualitätsprüfung", Mustererkennung 1988, 10. DAGM-Symposium, Zürich, Springer-Verlag, 1988, Seiten 270 bis 276 angegeben. Bei diesem bekannten Verfahren bzw. dieser bekannten Vorrichtung werden in einer Beleuchtungsbibliothek verschiedene elementare Beleuchtungstypen vorgegeben, die durch Parameter dimensioniert, positioniert und kombiniert werden können. Für ein bestimmtes Anwendungsproblem wird ein Lern- und Optimierungsproblem angenommen, das darin besteht, Beleuchtungsfunktionen zu finden, mit denen Bilder mit möglichst geringer Redundanz und maximalem Aussagewert bezüglich der zu untersuchenden Objekteigenschaften generiert werden können. Dabei kann es erfor-derlich sein, in der Lernphase einen größeren Teil einer Funktion auszuwerten, die den Intensitätsverlauf des Bildes darstellt. Die raumzeitlichen Beleuchtungsver-änderungen werden gezielt als Instrument der Merkmalsextraktion und Segmen-tierung eingesetzt, wobei die Beleuchtungseinrichtung und -verteilung in Echtzeit kontinuierlich gesteuert werden, womit eine automatische wissensbasierte Problem-analyse angestrebt wird und in einer Lernphase optimale Beleuchtungssequenzen gefunden werden. Bei dieser Vorgehensweise wird also die unterschiedliche Be-leuchtungsabhängigkeit von Objektmerkmalen wissensbasiert benutzt.

Eine ähnliche Vorgehensweise mit Einlernvorgängen ist auch in der nicht vorveröffentlichten DE 100 26 301 A1 vorgeschlagen. Insbesondere in industriellen Prüf- oder Fertigungsprozessen können derartige Lernvorgänge für die Prozessabläufe nachteilig sein.

In Wu, Q.H. Cao, Y.J. „Stochastic optimization of control parameters in genetic algorithms" in: Evolutionary Computation, 1997; IEEE International Conference on Meeting Date: 04/13/1997-04/16/1997; Publication Date: 13-16 Apr 1997, Location: Indianapolis, IN, USA, pages: 77-80 ist allgemein ein stochastisches Optimierungsverfahren von Steuerparametern mit genetischen Algorithmen abgehandelt. Ein Bezug zu einem Verfahren bzw. einer Vorrichtung zum Optimieren eines Bildverarbeitungssystems findet sich in dieser Abhandlung nicht.

Ein weiteres Verfahren bzw. eine weitere Vorrichtung kann z.B. Bestandteil eines Fertigungsprozesses sein, um Eigenschaften eines Objektes zu erkennen und z.B. verschiedene Objekte positionsgetreu einander zuzuordnen. Um eine möglichst hohe Erkennungsleistung bei der Bildverarbeitung sicherzustellen, kommt es nicht nur auf die richtige Wahl und Einstellung der Bildaufnahmeeinheit, insbesondere Kamera und die Bildauswertung mittels geeigneter Rechenalgorithmen an, sondern wesent-lich auch auf eine korrekte Ausleuchtung der zu untersuchenden Objekte. Als Be-leuchtung für derartige Aufgaben existieren verschiedene Ausführungen beispiels-weise in Form konventioneller Lampen-, Glasfaser- und Leuchtdiodentechnik (LED-Technik). Die Anpassung und Einstellung der Beleuchtung entsprechend dem jeweiligen Erfordernis bei der Bildverarbeitung wird bisher in der Regel von Experten vorgenommen. Treten im Betrieb einer Anlage geänderte Randbedingungen, wie z.B. Chargenunterschiede im Reflexionsverhalten oder Unterschiede in geometri-schen Eigenschaften, wie etwa Rundungen oder Ecken auf, so ist eine Adaption an die geänderten Bedingungen gar nicht oder nur durch aufwändige manuelle Nach-justagen der Beleuchtung möglich. Es können sich eine stark verminderte Erken-nungsleistung und Fertigungsfehler ergeben. Es wäre denkbar, das Bildaufnahme-system oder die Bildauswertelogarithmen auf die geänderten Bedingungen abzu-stimmen.

Der Erfindung liegt die Aufgabe zugrunde, ein Verfahren und eine Vorrichtung der eingangs genannten Art bereitzustellen, mit dem bzw. der auch unter geänderten Randbedingungen eine hohe Erkennungsleistung sichergestellt wird.

Vorteile der Erfindung

Diese Aufgabe wird mit den Merkmalen des Anspruches 1 gelöst. Hiernach ist vorgesehen, dass die Beleuchtung mittels einer Regeleinrichtung optimiert wird, die nach einem stochastischen Optimierungsalgorithmus arbeitet.

Mit diesen Maßnahmen wird die Beleuchtung nach objektiven Maßstäben zum Erreichen einer möglichst hohen Erkennungsleistung auch bei geänderten Bedin-gungen, wie z.B. einer neuen Charge, mit geändertem Reflexionsverhalten bei der Zuführung während eines Fertigungsprozesses sichergestellt. Der Optimierungsvor-gang kann dabei automatisch ausgelöst werden, wenn das Bildverarbeitungssystem selbst oder eine nachgeschaltete Prüfstation eine Abweichung von einem Vorgabe-wert feststellt, oder manuell z.B. bei der Zuführung einer neuen Charge oder nach vorgegebenen Zeitabständen ausgelöst werden. Es wird eine zuverlässige Optimie-rung auch bei vielfältigen Einflussfaktoren erreicht.

Entsprechend ist bei der Vorrichtung zur Lösung der Aufgabe vorgesehen, dass eine Regeleinrichtung einen Regler mit einer Recheneinrichtung aufweist, welche zur Durchführung der Regelung mittels eines Programms nach einem stochastischen Optimierungsalgorithmus ausgelegt ist.

Das Auffinden einer optimalen Beleuchtung wird weiterhin dadurch begünstigt, dass der Optimierungsalgorithmus nach einem genetischen Algorithmus durchgeführt wird, da diese Vorgehensweise besonders effektiv ist, um ein Problem mit einer Vielzahl hochgradig voneinander abhängiger Parameter zu lösen, wie die Anpassung der Beleuchtung.

Zur Durchführung der Regelung nach dem stochastischen Optimierungsalgorithmus bzw. dem genetischen Algorithmus ist es günstig, dass der Optimierungsalgorithmus in einem inneren Regelkreis ausgeführt wird. Nach Feststellen einer geänderten Bedingung läuft dann die Einregelung auf die neue optimale Beleuchtung nach Auslösen durch eine Bedienperson oder selbsttätiges Auslösen über das Bildverarbeitungssystem ab, wobei eine Bildaufnahme und Bildauswertung eines äußeren Regelkreises vorteilhaft mitgenutzt werden können.

Die Anpassung der Beleuchtung erfolgt vorteilhaft dadurch, dass die Beleuchtung hinsichtlich Beleuchtungsstärke, Richtung und/oder spektraler Zusammensetzung optimiert wird.

Um den Regelungsvorgang weiterhin in Abhängigkeit von geänderten Bedingungen im Fertigungsprozess vorteilhaft beeinflussen zu können, besteht eine Ausgestaltung darin, dass die Regeleinrichtung zusätzlich eine adaptive Regelung durchführt, die den Sollwert und das Regelverhalten durch Prozessidentifikation über den Rückkoppelzweig permanent anpasst (adaptiert).

Ein für die Ansteuerung günstiger Aufbau der Vorrichtung und die Auswahl vielfältiger Beleuchtungsarten ergibt sich dadurch, dass die oder zumindest eine der Beleuchtungseinheiten eine Vielzahl einzeln oder gruppenweise steuerbarer Leuchtdioden oder auch andere Lichtquellen aufweist. Hierdurch können auf einfache Weise Beleuchtungsstärke, Beleuchtungswinkel und/oder spektrale Zusammensetzung automatisch gewählt werden.

Eine hohe Erkennungsleistung bei der Bildverarbeitung wird effektiv durch die Verwendung eines stochastischen Optimierungsalgorithmus in einem Regelverfahren zur Optimierung einer Beleuchtung eines Bildverarbeitungssystems erreicht.

Eine vorteilhafte Ausgestaltung bei der Verwendung besteht darin, dass er als genetischer Optimierungsalgorithmus ausgebildet ist.

Eine vorteilhafte Verwendung des stochastischen Optimierungsalgorithmus, insbesondere des genetischen Optimierungsalgorithmus ergibt sich dadurch, dass das Bildverarbeitungsverfahren Teil eines Fertigungsprozesses ist, bei dem eine Vielzahl von Objekten verarbeitet oder bearbeitet werden.

Zeichnung

Die Erfindung wird nachfolgend anhand von Ausführungsbeispielen unter Bezugnahme auf die Zeichnungen näher erläutert. Es zeigen:

1 einen prinzipiellen Aufbau eines Bildverarbeitungssystems in schematischer Darstellung,

2a) und b) zwei Beleuchtungseinheiten in schematischer Darstellung,

3a) und b) eine Gegenüberstellung einer prinzipiellen Regelungsstruktur bei dem Bildverarbeitungssystems nach 1 (b) und eines klassischen Regelkreises (a),

4 eine gegenüber 3b) konkretisierte Darstellung der Regeleinrichtung mit innerem Regelkreis und

5 ein Ablaufdiagramm des genetischen Algorithmus für eine Beleuchtungsoptimierung.

Ein in 1 gezeigtes Bildverarbeitungssystems 1 weist zum Beleuchten eines Objekts 2, insbesondere einer Messstruktur 2.1 eine Beleuchtungsvorrichtung 3 mit mehreren Beleuchtungseinheiten 3.1, 3.2 auf. Das beleuchtete Objekt 2 wird zumindest im Bereich der Messstruktur 2.1 mittels eines Bildaufnehmers 4 in Form einer Kamera (Messglied) erfasst, deren Bildsignale an eine Bildauswerteeinrichtung 5 (genetischer Regler) zum Auswerten und Erkennen bestimmter Eigenschaften weitergegeben werden. Mittels einer in Abhängigkeit von Signalen der Bildauswerteeinrichtung 5 steuerbaren Stelleinheit (Stellglied) kann die Beleuchtungsvorrichtung 3 zum Erzielen einer möglichst hohen Erkennungsleistung z.B. hinsichtlich der Beleuchtungsstärke, eines Beleuchtungswinkels &agr;, &bgr; und/oder der spektralen Zusammensetzung variiert werden. Um die Beleuchtung an jeweilige Gegebenheiten möglichst gut anzupassen, wird sie mittels einer in den 3a) und 3b) und 4 näher dargestellten Regeleinrichtung 7 vorzugsweise mit stochastischen Optimierungsalgorithmen, insbesondere mit sogenannten genetischen bzw. evolutionären Algorithmen geregelt. Zum Erzeugen einer zu der Beobachtungsachse des Bildaufnehmers 4 parallelen Beleuchtung mittels der weiteren Beleuchtungseinheit 3.2 ist in dem Beobachtungsweg eine halbdurchlässige Ablenkeinheit 3.3 angeordnet, durch die der Bildaufnehmer 4 das Objekt 2 erfasst und die andererseits das von der weiteren Beleuchtungseinheit 3.2 schräg einfallende Licht beispielsweise senkrecht auf das Objekt 2 lenkt.

Wie aus 2a) ersichtlich, ist die Beleuchtungseinheit 3.1 als Ringlichtbeleuchtung mit mindestens einem, vorliegend zwei ringförmig angeordneten Leuchtelementen, z.B. ultrahellen Leuchtdioden (LED) aufgebaut, wobei Teileinheiten 3.4 der Beleuchtungseinheit 3.1 getrennt ansteuerbar und in der Beleuchtungsstärke variierbar sind. Derartige Teileinheiten 3.4 sind nach 2a) sektorförmig angeordnet, wobei in 2a) leuchtende 3.5 und nichtleuchtende 3.6 Leuchtelemente dargestellt sind. Beispielsweise sind 12 Sektoren mit je 6x4 Leuchtdioden im Innenring und 6x5 Leuchtdioden im Außenring vorgesehen. Durch Ansteuerung entsprechender Gruppen, oder auch einzelner Leuchtelemente kann auch der Lichteinfallswinkel &agr;, &bgr; auf das Objekt 2 variiert werden. 2b) zeigt die weitere Beleuchtungseinheit 3.2, die z.B. vier Quadranten mit je 4x4 Leuchtdioden aufweist. Weitere Beleuchtungseinheiten, z.B. mit Leuchtelementen in sehr flacher bzw. Streiflichtanordnung bezüglich der Oberfläche des Objekts 2oder in Durchlichtanordnung 3.7 können vorgesehen sein, wie 1 u.a. erkennen lässt. Auch können Leuchtelemente unterschiedlicher Lichtfarbe oder variierbarer Lichtfarbe eingesetzt werden, um unterschiedliche spektrale Zusammensetzungen der Beleuchtung zu ermöglichen. Bei der Bildverarbeitung kann es sich um eine Farb-Bildverarbeitung und/oder Grauwert-Bildverarbeitung handeln. Die Leuchtelemente können im Dauerlicht oder auch intermitierend angesteuert werden. Im letzteren Fall kann eine zeitliche Synchronisierung auf Einzellichtpulse oder integrierend über mehrere Lichtpulse erfolgen. Die verschiedenen Ausprägungen der Beleuchtung sind vorzugsweise digital mit einer geeigneten Anzahl von Bits in dem Bildverarbeitungssystem 1 zur Speicherung und Ansteuerung der Beleuchtungsvorrichtung 3 codiert.

3b) zeigt die vorliegend vorzugsweise nach einem genetischen Optimierungsalgorithmus arbeitende Regelung der Beleuchtung, um diese hinsichtlich einer möglichst hohen Erkennungsleistung automatisch an sich ändernde Randbedingungen, wie z. B. Chargenänderung des Objekts 2 oder Änderung geometrischer Daten des Objekts 2 oder dessen Messstruktur 2.1 anzupassen. Die Gegenüberstellung zu 3a), die einen klassischen Regelkreis darstellt, zeigt, dass der Vergleich hinsichtlich einer in dem Bildverarbeitungssystem 1, insbesondere deren Bildauswerteeinrichtung 5 gespeicherten Güte bzw. – in der Sprache der genetischen Verfahren – Fitness als Teil der genetischen Optimierung stattfindet, die auch den Regler 7.4 beinhaltet. Der Soll-Ist-Vergleich 7.2 hinsichtlich der Güte bzw. Fitness erfolgt anhand eines vorgegebenen oder vorgebbaren, gewünschtenfalls auch variierbaren Sollwerts 7.1 und der aktuellen Ist-Situation.

Zu Beginn der Regelung werden dem Regler 7.4 Initialwerte 7.3 in Form einer Anfangs- oder Startpopulation, d.h. entweder vorliegend zufällig ausgewählten Beleuchtungsmustern der Vielzahl mit der Beleuchtungsvorrichtung 3 möglicher Beleuchtungsmuster oder definiert die bisher letzten und optimalen Beleuchtungsmuster aus vorangegangenen Optimierungszyklen eingegeben. Der Regler 7.4 stellt eine Differenz gegenüber dem Sollwert bzw. anzustrebenden Optimalwert fest und spricht ein Stellglied in Form einer Beleuchtungseinstelleinrichtung 7.5 an. In einem Rückkopplungszweig 7.8 liegt ein Messglied in Form einer Bildaufnahme- und Auswerteeinrichtung 7.9, mit der die Ist-Beleuchtung festgestellt und das zu optimierende Erkennungskriterium, etwa ein Grauwertunterschied oder eine Ecke oder Rundung ermittelt wird, das dann bei dem Soll-Ist-Vergleich 7.2 dem Sollwert 7.1 gegenübergestellt wird. Am Ausgang der Beleuchtungseinstelleinrichtung 7.5 führt ein Zweig zum Prozess 7.7, um diesen mit dem optimierten Erkennungskriterium als Steuergröße zu beeinflussen. Als Störgröße 7.6 am Ausgang der Beleuchtungseinstelleinrichtung 7.5 können sich als geänderte Randbedingungen z.B. Teileschwankungen, Chargenunterschiede z.B. hinsichtlich Reflektionsänderungen oder Änderungen von Geometriedaten bemerkbar machen. Treten derartige Änderungen der Randbedingungen bzw. Störgrößen auf, so kann z.B. von einer Bedienperson oder aber automatisch ein neuer Optimierungsdurchlauf zum Anpassen der Beleuchtung ausgelöst werden.

Zum Durchführen des genetischen Optimierungsalogrithmus innerhalb der Regelung ist, wie in 4 dargestellt, ein innerer Regelkreis 7.10 ausgebildet, wobei der innere Regelkreis von der Bildaufnahme- und Auswerteeinrichtung 7.9 der Regeleinrichtung 7 Gebrauch machen kann.

Ein Ablauf der Regelungsschritte mit einem genetischen Optimierungsalgorithmus nach 4 ist in 5 in einem Ablaufdiagramm wiedergegeben. In einem ersten Schritt beim Start erfolgt eine Initialisierung der Regelung mit einer Startpopulation, beispielsweise mit zehn zufällig ausgewählten Beleuchtungsmustern, die mit der Beleuchtungsvorrichtung 3 vorgegeben werden. Es ist auch einfach möglich, das/die letzte(n) optimale(n) Beleuchtungsmuster zur Initialisierung eines neuen Zyklus zu benutzen. Durch Einbringen dieses Vorwissens verkürzt sich die Einregelzeit auf ein neues Optimum erheblich.

In einem Schritt 2 wird jedes Beleuchtungsmuster eingeschaltet, das Bild aufgenommen und die Bildauswertung gestartet sowie eine Berechnung der Güte entsprechend einem Optimierungskriterium durchgeführt.

In einem Schritt 3 wird festgestellt, ob eine maximale vorgegebene Anzahl von Zyklen durchlaufen ist oder die optimale Güte näherungsweise erreicht ist, d.h. unterhalb einem vorgegebenen Schwellwert liegt. Ist die maximale Anzahl der Zyklen oder die geforderte Güte erreicht, so wird das beste Beleuchtungsmuster in einer Recheneinheit des Bildverarbeitungssystems 1 bzw. der Bildauswerteeinrichtung 5 gespeichert.

Ist die maximale Anzahl der Zyklen oder die geforderte Güte nicht erreicht, so erfolgt in einem vierten Schritt eine Selektion. Dabei wird aus der Güte die Wahrscheinlichtkeit errechnet, mit der das Beleuchtungsmuster Nachkommen hat bzw. für nachfolgende Beleuchtngsmuster geeignet ist.

In einem fünften Schritt erfolgt eine Auswahl der momentan besten Beleuchtungsmuster als erstes Elternteil. In einem sechsten Schritt wird für jedes erste Elternteil ein Partner als zweites Elternteil zugeordnet.

In einem siebten Schritt werden zwei Nachkommen (Kinder) je Elternpaar durch Kreuzung der Beleuchtungsmuster-Bits erzeugt.

In einem achten Schritt wird eine Mutation durch zufallsbasierte Änderung einzelner Bit-Werte in den Lichtmustern eines oder beider Nachkommen durchgeführt.

In einem neunten Schritt wird das beste Beleuchtungsmuster der Elterngeneration in einen neuen Optimierungszyklus übernommen und anschließend wieder zu dem zweiten Schritt übergegangen.

Bei den einzelnen Schritten, insbesondere der Selektion, der Kreuzung (Cross-Over, Rekombination) zur Vermischung genetischer Information, der Mutation und der Steuerung der Populationsentwicklung sind unterschiedliche Verfahren bekannt, wozu beispielsweise auf das DE-Fachbuch: Medizinische Bildverarbeitung, Heinz Handels, Teubner-Verlag, 2000, Seiten 224 bis 233 hingewiesen wird.

Mit den beschriebenen Maßnahmen zur Optimierung der Beleuchtung innerhalb eines Bildverarbeitungssystems 1 mittels Regelung mit stochastischen Optimierungsalgorithmen, insbesondere genetischen oder evolutionären Optimierungsalgorithmen wird eine vollautomatische Beleuchtungsadaption verwirklicht, die sich im Gegensatz zu manuellen Justagen nicht an subjektiven Kriterien orientiert, sondern die objektiven Erfordernisse der Bildauswertung in der Bildauswerteeinrichtung bzw. einer darin enthaltenen Recheneinrichtung berücksichtigt, wobei die Realisierung vorzugsweise mittels Software erfolgt. Der gravierende Nachteil starrer Beleuchtungsanordnungen wird mit der Selbstadaption der Beleuchtung des Bildverarbeitungssystems 1 selbst beseitigt. Ein Vorteil ergibt sich dabei besonders aus der Unabhängigkeit des entwickelten Optimierungsverfahrens von konkreten Prüf- oder Fertigungsaufgaben, d.h. eine leichte Übertragbarkeit ist sichergestellt.

Die Durchführung der Optimierung mit einem Regelkreis hat wesentliche Vorteile: Der Prozess-Istwert wird automatisch dem Sollwert nachgeführt, wobei der Sollwert bzw. Sollzustand oder die Solleinstellung z.B. ein Referenzbild oder Referenzmaße darstellen kann, während der Istzustand entsprechend ein nach einer Bildauswertung erhaltenes aktuelles Bild oder aktuelle Maße darstellt. Durch das Rückkopplungsprinzip wird eine schnelle und sichere Störungskompensation erreicht und Konvergenz auf ein Optimum sichergestellt, d.h. eine Fehloptimierung verhindert. Der Einsatz des genetischen Optimierungsalgorithmus bei dem hier zu lösenden Problem der Beleuchtungsanpassung hat auch den Vorteil, dass diese Vorgehensweise besonders effektiv Probleme mit einer Vielzahl hochgradig voneinander abhängiger Parameter lösen kann, wie die Steuerung der Beleuchtungsrichtung, -helligkeit und/oder -farbe.

Das Grundprinzip besteht in der Anwendung genetischer Grundoperationen Selektion, Kreuzung und Mutation auf alle Individuen einer Population mit anschließender Bewertung der Güte ihrer Merkmale (Fitness) anhand eines Optimierungskriteriums (Fitnesskriterium). Im Verlauf der Optimierung vererben sich immer die Merkmale der am besten angepassten Individuen in die nächste Generation. Individuen mit schlechten Merkmalen werden verworfen.

Die genetische Optimierung realisiert die zielgerichtete Suche nach Lösungen, die mit minimalem zeitlichem Aufwand das Fitnesskriterium am besten erfüllen. Es ist kein Vorwissen in Form von Regeln (Fuzzy-Systems) oder Trainingsbeispielen (Neuronale Netze) über den zu optimierenden Prozess erforderlich. Als Optimierungskriterien können direkt die Prozessparameter verwendet werden, die mit der Bildverarbeitung bestimmbar sind. Dies können z.B. sein: Optimierung einer Grauwertdifferenz zu Referenzbildern, Optimierung von Längen-, Umfang-, Flächen- und anderen Maßen, Optimierung globaler Kriterien, wie z.B. hell, dunkel, Optimierung auf korrekte Abarbeitung eines Prüfprogramms usw.

Das beschriebene Verfahren der Beleuchtungsanpassung lässt sich leicht in einen Fertigungsprozess integrieren, um z.B. Bearbeitungsvorgänge an einem Objekt 2 mit hoher Genauigkeit, z.B. im Bereich von 10 &mgr;m zu positionieren oder zwei Teile orientierungs- und positionsgenau einander zuzuordnen, wie etwa ein Chip in eine vorgegebene Kaverne innerhalb eines Trägers. Wird z.B. in einer nachfolgenden Prüfstation festgestellt, dass vorgegebene Genauigkeiten nicht eingehalten werden, so kann auch von den dem Bildverarbeitungssystem 1 nachgeordneten Prozessstationen aus eine Optimierung der Beleuchtung automatisch oder aber von Hand ausgelöst werden. Dabei kann auch eine adaptive Regelung in Anpassung der Erfordernisse nachgeordneter Prozessschritte erfolgen.


Anspruch[de]
Verfahren zum Optimieren eines Bildverarbeitungssystems, bei dem ein Objekt (2) beleuchtet und mittels eines Bildaufnehmers (4) erfasst wird sowie mittels des Bildverarbeitungssystems eine Optimierung einer Erkennungsleistung bezüglich des Objekts (2) erfolgt, wobei die Beleuchtung mittels des Bildverarbeitungssystems automatisch nach vorgegebenen oder vorgebbaren Erkennungskriterien optimiert wird, dadurch gekennzeichnet, dass die Beleuchtung mittels einer Regeleinrichtung (7) optimiert wird, die nach einem stochastischen Optimierungsalgorithmus arbeitet. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass der Optimierungsalgorithmus nach einem genetischen Algorithmus durchgeführt wird. Verfahren nach Anspruch 1 oder 2, dadurch gekennzeichnet, dass der Optimierungsalgorithmus in einem inneren Regelkreis (7.10) ausgeführt wird. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die Beleuchtung hinsichtlich Beleuchtungsstärke, Richtung und/oder spektraler Zusammensetzung optimiert wird. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die Regeleinrichtung zusätzlich eine adaptive Regelung durch Anpassung der Reglerparameter und/oder Sollwerte an den Zustand eines zu regelnden Prozesses realisiert. Vorrichtung zur Durchführung des Verfahrens nach einem der Ansprüche 1 bis 5, wobei eine Beleuchtungsvorrichtung mit mindestens einer hinsichtlich der Beleuchtungsstärke, der Beleuchtungsrichtung und/oder der spektralen Zusammensetzung variierbaren Beleuchtungseinheit vorgesehen ist, dadurch gekennzeichnet, dass eine Regeleinrichtung (7) vorhanden ist, die einen Regler (7.4) mit einer Recheneinrichtung aufweist, welche zur Durchführung der Regelung mittels eines Programms nach einem stochastischen Optimierungsalgorithmus ausgelegt ist. Vorrichtung nach Anspruch 6, dadurch gekennzeichnet, dass der Optimierungsalgorithmus ein genetischer Algorithmus ist. Vorrichtung nach Anspruch 6 oder 7, dadurch gekennzeichnet, dass die oder zumindest eine der Beleuchtungseinheiten (3.1, 3.2, 3.7) eine Vielzahl einzeln oder gruppenweise steuerbarer Leuchtdioden oder anderer Lichtquellen aufweist. Verwendung eines stochastischen Optimierungsalgorithmus in einem Regelverfahren eines Bildverarbeitungssystems, wobei der Algorithmus zur Optimierung einer Beleuchtung des Bildverarbeitungssystems eingesetzt wird. Verwendung eines stochastischen Optimierungsalgorithmus nach Anspruch 9, dadurch gekennzeichnet, dass er als genetischer Optimierungsalgorithmus ausgebildet ist. Verwendung nach Anspruch 9 oder 10, dadurch gekennzeichnet, dass das Bildverarbeitungsverfahren Teil eines Fertigungsprozesses ist, bei dem eine Vielzahl von Objekten (2) verarbeitet oder bearbeitet werden.






IPC
A Täglicher Lebensbedarf
B Arbeitsverfahren; Transportieren
C Chemie; Hüttenwesen
D Textilien; Papier
E Bauwesen; Erdbohren; Bergbau
F Maschinenbau; Beleuchtung; Heizung; Waffen; Sprengen
G Physik
H Elektrotechnik

Anmelder
Datum

Patentrecherche

  Patente PDF

Copyright © 2008 Patent-De Alle Rechte vorbehalten. eMail: info@patent-de.com