Choose-and-Place-Anwendungen sind ein zentrales Einsatzgebiet der Robotik. Sie werden h\u00e4ufig in der Industrie genutzt, um Montageprozesse zu beschleunigen und manuelle T\u00e4tigkeiten zu reduzieren \u2013 ein spannendes Thema f\u00fcr Informatik Masteranden des Instituts f\u00fcr datenoptimierte Fertigung der Hochschule Kempten. Sie entwickelten einen Roboter, der Prozesse durch den Einsatz von k\u00fcnstlicher Intelligenz und Laptop Imaginative and prescient optimiert. Auf Foundation einer Montagezeichnung ist das System in der\u00a0Lage, einzelne\u00a0Bauteile zu greifen und an vorgegebener Stelle abzulegen \u2013 vergleichbar mit einem Puzzle. Anschlie\u00dfend k\u00f6nnen die\u00a0Teile dort manuell durch einen Mitarbeiter verklebt werden.<\/p>\n Zwei IDS Industriekameras liefern die n\u00f6tigen Bildinformationen<\/strong><\/p>\n Mithilfe von zwei\u00a0uEye<\/em>\u00a0XC Kameras und einer KI-gest\u00fctzten Bildverarbeitung analysiert das System die Umgebung und berechnet pr\u00e4zise Aufnahme- sowie Ablagekoordinaten. Eine der Kameras wurde dazu \u00fcber der Arbeitsfl\u00e4che platziert, die andere \u00fcber der Entnahmestelle. Konkret verarbeitet eine KI-Pipeline die Bilder der beiden Kameras in mehreren Schritten, um die exakte Lage und Ausrichtung der Objekte zu bestimmen. Mithilfe der Laptop-Imaginative and prescient-Algorithmen und neuronalen Netzen erkennt das System relevante Merkmale, berechnet die optimalen Greifpunkte und generiert pr\u00e4zise Koordinaten f\u00fcr die Aufnahme und Ablage der Objekte. Zudem identifiziert das System die Teile eindeutig, indem es ihre Oberfl\u00e4che segmentiert und die Konturen mit einer Datenbank abgleicht. Dar\u00fcber hinaus nutzt es die Ergebnisse, um eine Ann\u00e4herung an bereits abgelegte Teile zu erm\u00f6glichen. Die Automatisierungsl\u00f6sung reduziert damit die Abh\u00e4ngigkeit von Expertenwissen, verk\u00fcrzt Prozesszeiten und wirkt dem Fachkr\u00e4ftemangel entgegen.<\/p>\n Kameraanforderungen<\/strong><\/p>\n Schnittstelle, Sensor, Baugr\u00f6\u00dfe und Preis waren die Kriterien, die f\u00fcr die Wahl des Kameramodells entscheidend waren. Die\u00a0uEye<\/em>\u00a0XC kombiniert die Benutzerfreundlichkeit einer Webcam mit der Leistungsf\u00e4higkeit einer Industriekamera. Sie erfordert lediglich eine Kabelverbindung f\u00fcr den Betrieb. Ausgestattet mit einem 13-MP-onsemi-Sensor (AR1335) liefert die Autofokus-Kamera hochaufl\u00f6sende Bilder und Movies. Eine wechselbare Makro-Aufsatzlinse erm\u00f6glicht eine verk\u00fcrzte Objektdistanz, wodurch die Kamera auch f\u00fcr Nahbereichsanwendungen geeignet ist. Auch ihre Einbindung warfare\u00a0denkbar einfach, wie Raphael Seliger, Wissenschaftlicher Mitarbeiter der Hochschule Kempten, erkl\u00e4rt: \u201eWir binden die Kameras \u00fcber die IDS\u00a0peak<\/em>\u00a0Schnittstelle an unser Python Backend an.\u201c<\/p>\n Ausblick<\/strong><\/p>\n Zuk\u00fcnftig soll das System durch\u00a0Reinforcement Studying weiterentwickelt werden \u2013 einer Methode des maschinellen Lernens, die auf Lernen durch Versuch und Irrtum beruht. \u201eWir m\u00f6chten gerne die KI-Funktionen ausbauen, um die Choose-and-Place Vorg\u00e4nge intelligenter zu gestalten. Unter Umst\u00e4nden ben\u00f6tigen wir daf\u00fcr eine zus\u00e4tzliche Kamera direkt am Roboterarm\u201c, erl\u00e4utert Seliger. Geplant ist zudem eine automatische Genauigkeitspr\u00fcfung der abgelegten Teile. Langfristig soll der Roboter allein anhand der Montagezeichnung alle erforderlichen Schritte eigenst\u00e4ndig ausf\u00fchren k\u00f6nnen.<\/p>\n Informationen zu\u00a0uEye<\/em>\u00a0XC Kameras<\/a><\/p>\n![\"\"](\"https:\/\/robots-blog.com\/wp-content\/uploads\/image-269-1024x576.png\")
![\"\"](\"https:\/\/robots-blog.com\/wp-content\/uploads\/image-270-1024x576.png\")
![\"\"](\"https:\/\/robots-blog.com\/wp-content\/uploads\/image-271-1024x576.png\")
Gef\u00e4llt mir:<\/h3>\n