Schnelle und leistungsstarke Inspektion von Reiskörnern mit HALCON Embedded

Gemäß der japanischen Gesetzgebung waren bisher Inspektion durchführende Personen nötig, um die Qualitätskontrolle von Reis vollziehen. Mit der sich ändernden Gesetzgebung war Kett in der Lage, ein automatisches Inspektionssystem unter Verwendung einer eigenen Bildverarbeitungsbibliothek einzuführen. Das System nahm die Reiskörner einzeln auf und benötigte für diesen Stichprobentest eine Minute im Vergleich zu einem Menschen, der nur wenige Sekunden braucht. Außerdem wurde die Prüfung anhand des durchschnittlichen Grauwertes, einem absoluten Wert, durchgeführt. Personen führen die Inspektion jedoch mit einem relativen Wert durch. Dies führte zu einer inakzeptablen Differenz zwischen den Ergebnissen. Daher konnte das System die menschliche Inspektion nicht ersetzen.

Daraufhin entwickelte Kett Electric Laboratory ein neues System, mit dem diese Hürden überwunden werden konnten. Das System erfasst ein breites Sichtfeld und benötigt nur 16 Sekunden pro Bild. Dies bringt das Inspektionsergebnis dem der menschlichen Inspektion viel näher und birgt viele zusätzliche Vorteile für das Unternehmen:

• Einsparung von Zeit sowie von Kosten für die Ausbildung der Inspektoren und Inspektorinnen, die ein Jahr dauert.
• Definition eines bestimmten Wertes als Inspektionsstandard und Vermeidung von menschlichen Fehlern.
• Automatische Analyse des landwirtschaftlichen Produktionsprozesses aufgrund von Messergebnissen, wie z.B. der Größe der Körner.

Die Bildverarbeitungssoftware innerhalb dieses Systems muss komplexe Bildverarbeitungsaufgaben lösen, die in kurzer Zeit abgearbeitet werden sollen. Daher entschied man sich für HALCON Embedded in Kombination mit einem leistungsfähigen CPU-Board. Dank HALCON's zahlreichen Operatoren wird es für die Kamerakalibrierung, die Segmentierung der Reiskörner, die Extraktion des Merkmalwerts und die Messung der Größe zur Klassifizierung der Qualität eingesetzt. Mit dem verwendeten Watersheds-Treshold-Algorithmus werden die Körner segmentiert, auch wenn sie nahe beieinander liegen. Die folgende Hardware wird genutzt:

• ARM CortexA9-CPU-Karte
• 5M pix CMOS Bildsensor
• Flüssigkristallanzeige (Liquid Crystal Display, LCD) (800 x 600 x RGB) als Beleuchtung (Kett hat die Verwendung von LCD als Beleuchtungssystem patentiert).

Texte und Bilder wurden von Kett Electric Laboratory zur Verfügung gestellt.

Erfahren Sie mehr zu Embedded Vision mit MVTec Software