KiVision 8.1 verarbeitet 3D-Punktwolken und dokumentiert Änderungen

Kistler hat die Bildverarbeitungssoftware KiVision um benutzerdefinierte Befehlsmakros, die Verarbeitung von 3D-Punktwolken und eine Audit-Trail-Funktion erweitert. Die Version KiVision 8.1 unterstützt damit komplexe optische Prüfaufgaben, die Dokumentation von Einstellungsänderungen sowie die Verarbeitung von Messdaten mehrerer Sensoren.

Befehlsmakros für wiederkehrende Prüfabläufe

KiVision ist als No-Code-Plattform ausgelegt. Anwender können häufig benötigte Auswertungsschritte ohne Programmierkenntnisse per Drag-and-drop zu Befehlsmakros zusammenfassen. Diese lassen sich anschließend wie Standardbefehle der Software verwenden.

„KiVision zählt zu den sogenannten No-Code-Plattformen. Programmierkenntnisse in der Bedienung sind daher nicht nötig“, erklärt Ferenc Bögner, Head of Kistler Vision Systems in Karlsruhe.

Über den Befehlssatz-Konfigurator können die Makros innerhalb der Bedienoberfläche angeordnet und mit einer Inline-Hilfe versehen werden. Die Benutzer- und Rechteverwaltung legt fest, welche Benutzergruppen darauf zugreifen dürfen.

Wiederkehrende Teilprüfungen in optischen Mess-, Prüf- und Sortiermaschinen lassen sich damit standardisieren. Da die Makros auf unterschiedliche Anlagen übertragen werden können, unterstützen sie einheitliche Auswertungsabläufe innerhalb der Fertigung.

Bildverarbeitung von 1D-, 2D- und 3D-Daten

Neben der pixelbasierten Auswertung von 1D- und 2D-Bilddaten ermöglicht KiVision 8.1 die native Erfassung und Verarbeitung von 3D-Punktwolken. Die Software kann dabei Daten mehrerer Sensoren gleichzeitig verarbeiten. Auf diese Weise lassen sich unterschiedliche Bereiche eines Prüfteils erfassen und Abschattungen reduzieren.

Messdaten verschiedener Sensortypen und Hersteller können innerhalb der Software miteinander kombiniert werden. Dadurch lassen sich Prüfkonzepte mit unterschiedlichen Kameras und Sensoren umsetzen.

KI-basierte Erkennung von Defekten und Anomalien

Für die Auswertung von Prüfbildern unterstützt KiVision verschiedene Verfahren der künstlichen Intelligenz. Die Modelle können auf konkrete Prüfaufgaben und Bauteile trainiert werden. Nach Angaben des Unternehmens lassen sich damit auch zuvor nicht bekannte Anomalien auf Prüfteilen erkennen.

In KiVision 8.1 stehen dafür unterschiedliche Modelltypen von VisionPro Deep Learning und LandingAI zur Verfügung. Die KI-basierten Verfahren sind insbesondere für die Defekterkennung in der optischen Qualitätsprüfung vorgesehen.

Audit Trail dokumentiert Änderungen an Prüfparametern

Für Anwendungen unter anderem in der Automobilindustrie und Medizintechnik bietet Kistler eine optionale Audit-Trail-Funktion nach FDA 21 CFR Part 11 an. Sie dokumentiert Änderungen an Einstellungen wie Toleranzgrenzen oder der Gut-Schlecht-Entscheidung. Erfasst werden außerdem der Zeitpunkt und der jeweils angemeldete Benutzer.

Auch nachträgliche Veränderungen am Protokoll sollen erkannt werden. Ein zugehöriger Viewer ermöglicht die Filterung der Einträge nach Ereignis, Benutzer oder Zeitraum.

Bauteilidentifikation anhand der Oberflächenstruktur

In KiVision 8.1 ist außerdem das vom Fraunhofer-Institut für Physikalische Messtechnik IPM entwickelte Verfahren Track & Trace Fingerprint integriert. Es nutzt die individuelle Mikrostruktur einer Bauteiloberfläche zur berührungslosen Identifikation.

Dadurch kann die Rückverfolgung ohne zusätzliche RFID-Label oder Data-Matrix-Codes erfolgen. Das Verfahren ist nach Angaben von Kistler für unterschiedliche Materialien und Bauteilgrößen geeignet.

Import bestehender Projekte für Retrofit-Anwendungen

KiVision 8.1 ist laut Hersteller bis zur ersten Softwareversion abwärtskompatibel. Dadurch können bestehende Bildverarbeitungsanlagen teilweise ohne Austausch der Hardware weiterbetrieben werden.

Für Projekte, die auf der nicht mehr unterstützten Software SAC Coake basieren, stehen Importfunktionen zur Verfügung. Damit soll der Wechsel zu KiVision 8.1 ohne vollständige Neuerstellung der bestehenden Prüfprojekte möglich sein.

(Quelle: Kistler Group)