Aktualisiert Juli 2026 · 8 Min. Lesezeit · Mert Aytunur · Mechanical Engineer, University of Illinois Chicago
Warum scheitert gewöhnliche Bildverarbeitung an transparentem und beschichtetem Glas?
Glas ist die schwierigste Oberfläche, die ein Vision-System lokalisieren soll, weil es kaum ein Bild bietet, mit dem sich arbeiten lässt. Licht geht durch eine klare Scheibe hindurch, statt zurückgeworfen zu werden; eine Standardkamera mit fester Lampe sieht also den Hintergrund hinter dem Glas, nicht die Glaskante. Der Kontrast zwischen dem Teil und allem dahinter bricht zusammen, und eine gewöhnliche Kantenfindungs-Routine verliert die Grenze, die sie braucht, um eine Position zu melden.
Beschichtungen machen die Aufgabe schwerer, nicht leichter. Low-E- und andere funktionale Beschichtungen verändern, wie die Oberfläche über das Spektrum reflektiert; eine Fläche, die unter einer Lampe auf eine Weise erscheint, erscheint unter einer anderen anders, und eine spiegelnde Reflexion wird zur Blendung, die genau die Kante überstrahlt, nach der der Roboter greift. Für eine Handhabungszelle lautet die Frage selten "hat dieses Glas einen Fehler". Es ist die grundlegendere und schwierigere: Wo genau sind Kante und Fläche, in Millimetern, damit ein Roboter die Scheibe greifen kann, ohne sie zu zerbrechen.
Wie hat das F&E-Projekt zur Glaspositionierung eine nahezu unsichtbare Scheibe lokalisiert?
Die Glaspositionierung ist ein F&E-Feldfall, kein ausgeliefertes Katalogmerkmal, und sie wurde bei einem führenden Glashersteller durchgeführt, um genau dieses Lokalisierungsproblem zu lösen. Zwei Techniken haben die Arbeit gemeinsam geleistet. Die optische Laserlinien-Detektion projiziert eine kontrollierte Linie über das Glas und liest, wo diese Linie bricht oder springt; das offenbart eine Kante, die eine flache Lampe nicht zeigt. Die Raman-Shift-Analyse liest die beschichtete Oberfläche über ihre spektrale Antwort, sodass eine Beschichtung, die sich vor gewöhnlicher Beleuchtung versteckt, dennoch ein Signal liefert, das das System lokalisieren kann. Das ist die Trennung zwischen klassischen, deterministischen optischen Methoden für messbare Geometrie und KI für die Ermessensfälle; wann man zu welcher greift, zeigt regelbasierte vs. KI-Bildverarbeitung.
Kundenspezifische Optik und Beleuchtung trugen die Methode auf einer Standard-Edge-Basis. Adente Vision ist eine Edge-KI-Einheit für die visuelle Inspektion, entwickelt von ADENTE Advanced Engineering Technologies innerhalb der Aden Group und vertrieben über Automatisierungs-Systemintegratoren. Das Glasprojekt setzte projektspezifische Optik und Beleuchtung vor denselben Edge-Rechner und dieselben Prüfmodi, die die Standardeinheit nutzt. Weil der F&E-Fall weiterhin F&E ist, ist die Positioniergenauigkeit für ein bestimmtes Glas, eine Beschichtung und eine Geometrie keine veröffentlichte Zahl: Sie braucht eine anwendungsspezifische Messung an der echten Scheibe und Handhabungszelle, bevor sich jemand darauf festlegt.
Ist das Positionierung oder Fehlererkennung, und warum zählt der Unterschied?
Die Positionierung beantwortet "wo ist die Scheibe", die Fehlererkennung beantwortet "ist die Scheibe gut", und eine Glas-Handhabungslinie braucht meist das Erste, bevor sie handeln kann. Ein Pick-and-Place-Roboter kann keine Scheibe heben, die er nicht lokalisieren kann; also kommen die Kanten- und Flächenkoordinaten zuerst, und erst danach schafft eine Oberflächen- oder Kantenfehlerprüfung Mehrwert. Der Glas-F&E-Fall ist ein Positionierfall: Er liefert dem Roboter die benötigte Geometrie, gemeldet als Merkmalskoordinaten in Millimetern, über denselben Messpfad, den die Einheit bei anderer Geometrie- und Positionsarbeit nutzt.
Die beiden Aufgaben zu trennen ist wichtig, um ein Projekt ehrlich zu umreißen. Klares oder beschichtetes Glas zu lokalisieren ist ein hartes Optikproblem, beantwortet durch die Laserlinien- und Raman-Shift-Techniken oben. Das Glas auf Kratzer, Einschlüsse oder Beschichtungsfehler zu bewerten ist eine getrennte Fehleraufgabe mit eigener Beleuchtung und eigenem Referenzsatz. Eine Zelle kann das eine, das andere oder beides brauchen, und den Aufwand an der falschen Aufgabe zu bemessen ist der Weg, auf dem Glas-Vision-Projekte aus dem Ruder laufen.
Was macht jede Glasoberfläche schwierig, und welche Technik beantwortet sie?
Jede Glasoberfläche lässt gewöhnliche Bildverarbeitung aus einem bestimmten Grund scheitern, und der F&E-Fall hat jede Herausforderung mit einer Technik gepaart statt mit einem einzigen festen Aufbau.
| Herausforderung der Glasoberfläche | Warum gewöhnliche Bildverarbeitung scheitert | Technik im F&E-Fall |
|---|---|---|
| Transparentes Floatglas | Licht geht hindurch, der Kontrast zum Hintergrund bricht zusammen | Optische Laserlinien-Detektion von Kante und Fläche |
| Beschichtetes oder Low-E-Glas | Die Beschichtung verändert die Reflexion über das Spektrum | Raman-Shift-Analyse zum Lesen der beschichteten Oberfläche |
| Spiegelnde Reflexion und Blendung | Feste Beleuchtung überstrahlt das Merkmal unter heller Reflexion | Konfigurierbarer Beleuchtungswinkel und koaxiale Beleuchtung |
| Kanten- und Flächenposition für einen Roboter | Anwesenheit genügt nicht; der Griff braucht eine Position | Ausgabe der Merkmalskoordinaten in Millimetern an den Roboter |
Kann eine Standard-Edge-Einheit kundenspezifische Optik für Glas tragen?
Ein Glasprojekt betreibt kundenspezifische Optik und Beleuchtung vor einer Standard-Edge-Basis statt eines Sonderrechners. Die Einheit nutzt eine Kamera mit bis zu 12 MP mit Global Shutter und C-Mount, konfigurierbare Farb- und Winkelbeleuchtung (diffus, gerichtet oder koaxial) und Inferenz auf einem lüfterlosen Board der Jetson-Klasse; die Glasarbeit änderte Optik und Beleuchtung und behielt diesen Edge-Rechner und die Standard-Prüfmodi. Diese Trennung ist der Sinn davon, Kamera, Beleuchtung und KI im Haus zu bauen: Eine schwierige Oberfläche wird zu einem Optik- und Beleuchtungsproblem, das man abstimmt, nicht zu einem Grund, das ganze System von Grund auf neu zu beginnen.
Das Ergebnis lässt die Einheit weiterhin als normales Industriesignal auftreten. Position und Gut/Schlecht laufen über PROFINET, EtherNet/IP, Modbus TCP, EtherCAT oder OPC UA an den Roboter oder die SPS, mit 4 Eingängen und 4 Ausgängen bei 24 V für Trigger und Handshakes, und jedes Bild wird auf dem Gerät verarbeitet, sodass die Scheibenbilder an der Linie bleiben.
Wo passt eine Hochtemperatur-AV-H100 rund um Glasprozesse?
Glas ist oft heiß, und die Hochtemperatur-Variante AV-H100 ist für die Stationen rund um einen Glasprozess gebaut, nicht für den Fall der Klarglas-Positionierung selbst. Die AV-H100 trägt eine IP54-Schutzart und einen erweiterten Betriebsbereich von 0–65 °C, gegenüber 0–45 °C an der Standard-AV-S100, und behält dieselbe Optik, denselben Edge-Rechner und dieselben KI-Modi: Nur das Gehäuse ändert sich. Nahe einem Vorspannofen, einer Laminierlinie oder einer Warmformstation, wo die Umgebungswärme ein Standardgehäuse über seinen Bereich hinaus treiben würde, ist die AV-H100 die Einheit, die weiterläuft.
Dieser Beitrag ist eine Vertiefung des Leitfadens zur KI-Sichtprüfung; wo die Glaspositionierung neben den anderen Aufgaben der Einheit steht, zeigen die realen Anwendungen.