Farberkennung mit OptiCon-Systemen

Größe: px

Ab Seite anzeigen:

Download "Farberkennung mit OptiCon-Systemen"

Käthe Eberhardt
vor 6 Jahren
Abrufe

1 Farberkennung mit OptiCon-Systemen von den Grundlagen bis zur intelligenten Farbcode - Identifikation Jan Rimbach GÖPEL electronic GmbH

2 Motivation Physikalische Grundlagen Intelligente Farbcode - Identifikation

3 Motivation Physikalische Grundlagen Intelligente Farbcode - Identifikation

4 Motivation Farbe ist Information Farbcodierungen Bessere Trennung von Objekten Ziel

5 Farbcode-Identifikation Weg Automatische Farbcodeerkennung

6 Motivation Physikalische Grundlagen Farbentstehung Farbmodelle Einflussfaktoren Intelligente Farbcode - Identifikation

7 Farbentstehung Absorbtion der Spektralbereiche

8 Farbmodelle RGB CIE L*a*b HSV

9 Einflussfaktoren

10 Farbinformation Farbe RGB, HSV, CIE L*a*b Einflussfaktoren Oberfläche, Struktur Einflussfaktoren Reflexionsverhalten, Geometrie Anforderungen an das Aufnahmesystem, an Analyse und Algorithmik

11 Motivation Physikalische Grundlagen Intelligente Farbcode - Identifikation Bildaufnahme Bauteillokalisierung und Ringseparierung Merkmalsbildung Farb-Klassifizierung Erkennung

12 Bildaufnahme

13 Bauteillokalisierung

14 Ringseparierung f

15 Merkmalsbildung Ring 0 [ R,G,B, H,S,V, L,a,b,,α,µ, X,Y,Z, ] Ring 1 [ R,G,B, H,S,V, L,a,b,,α,µ, X,Y,Z, ] Ring 2 [ R,G,B, H,S,V, L,a,b,,α,µ, X,Y,Z, ] Ring m [ R,G,B, H,S,V, L,a,b,,α,µ, X,Y,Z, ] Ring n [ R,G,B, H,S,V, L,a,b,,α,µ, X,Y,Z, ]

16 Farb - Klassifizierung Ring n [ R,G,B, H,S,V, L,a,b,,α,µ, X,Y,Z, ] 36 Ring beschreibende Messwerte!?

17 Farb - Klassifizierung Rot Grün Regeln wenn Farbe = Rot [grün]<128? dann Farbe =? Rot sonst?? wenn Farbe = Gelb [rot]>128? dann Farbe = Gelb sonst Farbe = Grün

18 Farb - Klassifizierung Anforderungen Regelwerk Robustheit Einfachheit Automatische Generierung und Optimierung Nachvollziehbarkeit Entscheidungsbaum Regelwerk für die Farb-Klassifizierung

19 Farb - Klassifizierung Rot Entscheidungsbaum Grün

20 Farb - Klassifizierung Entscheidungsbaum [grün]<80

21 Farb - Klassifizierung Entscheidungsbaum [grün]<80 [rot]<80 [rot]<180

22 Farb - Klassifizierung Entscheidungsbaum [grün]<80 [rot]<80 [rot]<180 [rot]<180 [grün]<180

23 Farb - Klassifizierung Entscheidungsbaum

Merkmale ordnet die Merkmale deterministisch Design des

24 Farb - Klassifizierung Kriterien Entscheidungsbaum mehrdimensionale Optimierungsaufgabe enthält signifikante Merkmale ordnet die Merkmale deterministisch Design des Entscheidungsbaumes beeinflusst Qualität und Stabilität der Farb - Klassifizierung

25 Erkennung S S 1 i 1i G i5 i 9 SS

26 Erkennung Codeaufbereitung Doppelte Farben entfernen Teilringe zusammenführen Hintergrund erkennen und entfernen S S 1 i 1i G i5 i 9 SS

27 Erkennung Gelesen Vorgabe S95G11S S11G59S 95G11 (9,5Ω 1%) f PASS FAIL

28 Erkennung Erweiterte Codevorgabe Platzhalter für optionale Farbringe Alternativen Kontrollierte Unschärfe Teilprüfungen Flexibilität Anpassungen an die Produktionserfordernisse

29 OptiCon 100% Integration intuitive Bedienung einfache Programmierung volle Kontrolle kontinuierliche Weiterentwicklung Praktische Vorstellung in den Arbeitsgruppen

30 Vielen Dank für Ihre Aufmerksamkeit Für Fragen und Details stehe ich Ihnen gerne zur Verfügung Jan Rimbach Projekt-Manager AXI Systeme Phone: Fax:

Ähnliche Dokumente

Objekterkennung durch Vergleich von Farben. Videoanalyse Dr. Stephan Kopf HWS2007 Kapitel 5: Objekterkennung

Objekterkennung durch Vergleich von Farben 48 Farbräume (I) Definitionen: Farbe: Sinnesempfindung (keine physikalische Eigenschaft), falls Licht einer bestimmten Wellenlänge auf die Netzhaut des Auges