Um einen Use Case für eine intelligente Bildverarbeitung mit Deep Learning zu realisieren, braucht es neben der Software auch die richtige Hardware. In diesem Blogpost möchte ich aufzeigen, was für Aspekte es bei der Auswahl der Kamera zu berücksichtigen gilt.
Typen von Digitalkameras
Je nach Anwendung werden unterschiedliche Kameratypen eingesetzt:
Webcam
Die Webcam wird vorwiegend für die Kommunikation bei Videoanrufen verwendet. Wegen den tiefen Hardwarekosten und der einfachen Handhabung ist sie auch für die Verwendung bei Bildverarbeitungsprototypen geeignet.
Netzwerk / IP Kamera
Im Gegensatz zur Webcam ist die IP Kamera direkt an einem Netzwerk angehängt und läuft so ohne Rechner. Es können theoretisch unbeschränkt viele Benutzer auf die Kamera zugreifen. Ihre Bilder werden komprimiert, und somit wird eine geringere Netzwerk-Bandbreite ermöglicht. Sie wird vor allem zur Überwachung eingesetzt – von Prozesskontrollen in Versandlinien und Verpackungsanlagen bis hin zu Gebäude- und Verkehrsüberwachungssystemen.
Industriekamera
Anders als bei der IP Kamera werden die Bilder bei der Industriekamera nicht komprimiert. Es können also viel mehr Bildinformationen erfasst werden und sie eignet sich daher für Inspektionsaufgaben z.B. in der Qualitätssicherung. Abhängig von der Anwendung gibt es neben der «normalen» Flächenkamera auch Zeilenkameras, welche durch eine linienförmige Sensorzeile in sehr schneller Folge sehr viele Einzelzeilen erfassen. Die Zeilenkamera kommt da zum Einsatz, wo Endlosmaterialien oder sehr lang Objekte aufgezeichnet werden sollen.
Wir konzentrieren uns primär auf Machine Vision Anwendungen, d.h. intelligente Bildverarbeitung im industriellen Umfeld. Solche Anwendungen sind insbesondere Inspektionen für die Qualitätssicherung oder die Klassifizierung von Objekten in einer Produktionsstrasse. Für diese Aufgaben ist eine Industriekamera empfohlen. Nachfolgend einige Eigenschaften einer Industriekamera, die es bei der Wahl zu beachten gilt.
Eigenschaften der Kamera
| Farbe | Für klassische Machine Vision Anwendungen wird üblicherweise eine monochrome Kamera verwendet, da Farben oftmals keine Rolle spielen. Bei Klassifizierungsaufgaben mit Deep Learning liefert die Farbe jedoch wichtige zusätzliche Informationen. |
| Sensor | Es gibt bei den Bildsensoren zwei verschiedene Technologien: CMOS und CCD. Die CMOS-Technologie ermöglicht eine hohe Bildrate, aber braucht im Vergleich zu CCD-Technologie mehr Licht. In den meisten Fällen empfiehlt sich CMOS Sensoren zu verwenden. |
| Bildrate | Die Bildrate gibt an, wie viele Bilder pro Sekunde geschossen werden. Rauschen die Objekte vor der Kamera mit grosser Geschwindigkeit durch, muss eine dementsprechend hohe Bildrate vorliegen. |
| Auflösung | Die Auflösung ist davon abhängig wie fein die zu erkennenden Merkmale sind, also welche Detailgenauigkeit erfasst werden soll. Bei der Auflösung spielt die Sensor- und Pixelgrösse eine ausschlaggebende Rolle. Dabei gilt, je grösser der Sensor, desto teurer die Kamera. Bei Bildverarbeitungen mit Deep Learning sollte die Auflösung jedoch nicht zu gross sein, da die verwendeten statistischen Modelle mit kleineren Bildern einfacher zu trainieren sind. Dies kommt daher, dass die Grösse der neuronalen Netzwerke (und entsprechend auch die Anzahl Parameter) proportional zur Bildauflösung ist. Kleinere Netzwerke ermöglichen deshalb ein stabileres Training und benötigen bei der Anwendung nur eine reduzierte Rechenleistung. |
| Objektiv | Es ist wichtig, dass das Objektiv genau zur Auflösung der Kamera passt, ansonsten kann es zu Bildfehlern kommen. |
| Übertragungsschnittstelle | Heutzutage implementieren die meisten Industriekameras den GenICam-Standard (Generic Interface for Camera). Damit lässt sich die Kamera unabhängig von Hersteller, Firmware und Schnittstellentechnologie einheitlich steuern. Die gängigsten Hardware-Schnittstellen sind USB3 Vision und GigE Vision. Letztere wird bei längerem Kabel zwischen Kamera und Host bevorzugt. |
| Grösse, Form und Schutzklasse | Die Grösse und Form der Kamera kann ebenfalls ein Kriterium sein, falls die Platzverhältnisse für das Vision System beschränkt sind. Ausserdem ist die Schutzklasse der Kamera vor allem im Lebensmittelbereich eine zentrale Anforderung. |
| zusätzliche Funktionen | Die meisten Industriekameras beinhalten neben der Möglichkeit kontinuierlich Bilder zu schiessen auch eine Triggerfunktion, so dass z.B. eine Lichtschranke den Bildauslöser betätigen kann. Zusätzliche Funktionen sind z.B. automatische Belichtungsanpassung, Bildkalibrierung und Vorverarbeitung in der Kamera. Es gibt auch Kameras, welche über einen integrierten Prozessor verfügen. Solche Kameras werden meist als Smart-Cameras bezeichnet. Die Bilder werden in der Kamera verarbeitet und es werden nur die verarbeiteten Informationen ausgegeben. |
Fazit
Die Auswahl an Kameraherstellern und Modellen mit all ihren Eigenschaften ist sehr vielfältig. Wir unterstützen gerne, um die Kamera zu finden, welche optimal zum Use Case und damit auch zur intelligenten Software passt. Mehr Informationen zum Thema Machine Vision finden Sie hier.