Intelligente Algorithmen für Inline-Röntgenprüfung – Fallstudie Lebensmittel

Leitfaden zur industriellen Röntgentechnik
(Fraunhofer Vision Leitfaden-Reihe Band 15)

Beitrag 16: Intelligente Algorithmen für Inline-Röntgenprüfung – Fallstudie Lebensmittel

Autor: Oliver Wirjadi, Fraunhofer ITWM

 

 

Bestellen Sie hier den »Leitfaden zur industriellen Röntgentechnik«!

In der industriellen Bildverarbeitung werden meist hochspezialisierte Algorithmen zur Datenauswertung eingesetzt. Die klassische Bildverarbeitungskette besteht aus Glättung von Rauschen (Vorverarbeitung), Auffinden der zu untersuchenden Strukturen (Segmentierung), numerischer Beschreibung dieser Strukturen (Merkmalsextraktion) und abschließendem Entscheidungsschritt (Klassifikation), in welchem das System auf Basis der extrahierten Merkmale über das Vorhandensein von Fehlern o. Ä. urteilt.

Ein Beispiel für den Einsatz einer solchen Kette ist die automatische Prüfung von Produkten in der Lebensmittelindustrie, wo das Innere ganzer Verpackungseinheiten mittels Röntgendurchstrahlung sichtbar gemacht werden kann. Die Aufgabe eines Bildverarbeitungssystems besteht dabei in der Detektion unerwünschter Fremdkörper in solchen Produkten.

Die oben beschriebene Vorgehensweise zeichnet sich durch eine sehr genaue Anpassung an die jeweiligen Problemstellungen aus. Jeder einzelne dieser Verarbeitungsschritte besitzt jedoch eine Anzahl an Parametern, zum Beispiel Stärke der Glättung oder Auswahl der zu berechnenden Strukturparameter wie Fehlergröße oder Fehlerform. In der Praxis stellt sich der zeitintensive Einsatz von Entwicklungsingenieuren bei der Feineinstellung dieser Parameter häufig als Nachteil dieses Ansatzes heraus. Neben dem Zeitaufwand spielen aber auch weitere Erwägungen eine wichtige Rolle: Ob ein Entwickler die Qualität eines solchen Systems objektiv bewerten kann
und ob er die optimalen Parameter finden wird, kann selten beantwortet werden.

 

Den vollständigen Beitrag können Sie im »Leitfaden zur industriellen Röntgentechnik« nachlesen.