Machbarkeit in der Bildverarbeitung prüfen: Kamera, Licht, Algorithmus

Bildverarbeitung

Viele Bildverarbeitungsprojekte scheitern nicht an der Software, sondern an Annahmen: dass die Kamera den Fehler sieht, dass das Licht reicht, dass der Takt zu schaffen ist. Eine Machbarkeitsprüfung klärt diese Fragen, bevor Geld in Anlage und Entwicklung fließt.

Erst die Aufgabe, dann die Technik

Am Anfang steht eine genaue Beschreibung: Was soll erkannt, gemessen oder gezählt werden? Wie klein ist das kleinste relevante Merkmal? Wie schnell laufen die Teile, und wie viel Zeit bleibt pro Bild? Welche Fehlerquote ist akzeptabel? Dazu gehört eine Sammlung echter Musterteile – Gutteile, Grenzmuster und typische Fehler.

Kamera: Sieht sie, was sie sehen soll?

Die wichtigste Rechnung betrifft die Auflösung. Aus Sichtfeld und Pixelzahl ergibt sich, wie viele Millimeter ein Pixel abbildet. Das kleinste Merkmal muss mehrere Pixel überdecken, sonst geht es im Rauschen unter:

def pixel_pro_merkmal(sichtfeld_mm, pixel_breite, merkmal_mm):
    mm_pro_pixel = sichtfeld_mm / pixel_breite
    return merkmal_mm / mm_pro_pixel

# Beispiel: 100 mm Sichtfeld, Sensor mit 2448 Pixel Breite, Kratzer 0,2 mm
print(f"{pixel_pro_merkmal(100, 2448, 0.2):.1f} Pixel")  # 4.9 Pixel

Daneben zählen Sensortyp (Matrix oder Zeile, monochrom oder Farbe), Belichtungszeit gegen Bewegungsunschärfe, Bildrate und Schnittstelle. Bei Wärmebild-, Fluoreszenz- oder 3D-Aufnahmen kommen eigene Fragen hinzu, etwa Temperaturauflösung, Empfindlichkeit oder Messabstand. Für den objektiven Vergleich von Industriekameras gibt es den Standard EMVA 1288. Er beschreibt Kenngrößen wie Rauschen und Empfindlichkeit nach einheitlichen Regeln.

Licht: der unterschätzte Hebel

Die Beleuchtung entscheidet über den Kontrast – und der Kontrast über die Robustheit. Durchlicht zeigt Konturen scharf. Auflicht unter flachem Winkel hebt Kratzer und Prägungen hervor. Diffuses Licht dämpft Reflexe auf glänzenden Teilen. Farbiges oder gepulstes Licht kann Merkmale trennen oder Bewegungen einfrieren. Probieren Sie deshalb mehrere Beleuchtungen mit denselben Musterteilen aus, bevor Sie über Algorithmen sprechen. Und denken Sie an Fremdlicht: Hallenfenster und Deckenleuchten verändern sich über den Tag.

Algorithmus: einfach anfangen

Erst wenn Bilder mit gutem Kontrast vorliegen, lohnt der Blick auf die Auswertung. Beginnen Sie mit dem einfachsten Verfahren, das die Aufgabe lösen könnte. Reichen Schwellwerte, Kanten und Geometrie? Dann sparen Sie Daten, Rechenzeit und Erklärungsaufwand. Erst wenn das nachweislich nicht trägt, kommen lernende Verfahren ins Spiel. Prototypen in Python, MATLAB oder Halcon entstehen dabei schneller als die spätere Produktsoftware.

Die Machbarkeitsprüfung im Überblick

Aus der Praxis

Beim Auslesegerät für die digitale PCR im BMBF-Verbundprojekt FREEDOM verantworteten wir neben der Softwarearchitektur auch die Kamera- und LED-Ansteuerung, Bilderfassung und Bildanalyse. Bei einem Laborgerät für die Fluoreszenzanalyse binden wir eine Fluoreszenzkamera und einen Laser an, der die Zellen zur Fluoreszenz anregt. Kalibrierung und Bildverarbeitung liefern dort genauere Informationen über Zellproben. Und für einen Sensorhersteller haben wir 3D-Scanner im Labor an verschiedenen Positionen aufgebaut und zusätzlich einen Aufbau in 3D modelliert, um Scandaten zu simulieren. So ließen sich viele Varianten testen, ohne jede einzeln real aufzubauen. Die Lehre aus allen drei Projekten: Aufnahme, Beleuchtung und Auswertung gehören zusammen geplant.

Typische Fehler

• Die Kamera nach Datenblatt kaufen, bevor Musterteile aufgenommen wurden.
• Mit perfekten Vorzeigeteilen testen statt mit echten Grenzmustern aus der Produktion.
• Die Beleuchtung als Zubehör behandeln, das man am Ende dazukauft.
• Bewegungsunschärfe und Takt erst an der laufenden Anlage bemerken.
• Den Prototyp auf dem Entwickler-PC messen, obwohl später ein Embedded-System rechnet.
• Kein schriftliches Ergebnis: Ohne dokumentierte Grenzen beginnt die Diskussion bei der Abnahme von vorn.

Aus unseren Projekten in Labor- und Messtechnik: digitale PCR (BMBF-Verbundprojekt FREEDOM), Fluoreszenzanalyse, Kalibrierung und Objekterkennung mit 3D-Scannern. Weiterführend: EMVA 1288 – Standard zur Charakterisierung von Industriekameras.