OPC UA bringt KI-basierte Bildverarbeitung in die Feldebene

Dank Industrieprotokollen wie OPC UA können KI-basierte Machine-Vision-Aufgaben direkt in die Factory Automation integriert werden. Ohne Spezialwissen über Bildverarbeitung bzw. KI wählen Automatisierer aus einer Rezeptesammlung die passenden Funktionsblöcke aus und lassen sich die Ergebnisse ohne Umweg aus der Feldebene bis in die Cloud melden.
Bild 1 | Dank OPC UA können die NXT Inferenzkameras direkt in neue bzw. bereits 
bestehende Industrieanlagen und Prozesssteuerungen integriert werden, ohne dass Anwender Vorwissen über Bildverarbeitung und Machine Learning haben müssen.
Bild 1 | Dank OPC UA können die NXT Inferenzkameras direkt in neue bzw. bereits bestehende Industrieanlagen und Prozesssteuerungen integriert werden, ohne dass Anwender Vorwissen über Bildverarbeitung und Machine Learning haben müssen.Bild: IDS Imaging Development Systems GmbH

OPC UA ist eine Schlüsseltechnologie, um Daten und Information in der Industrie auszutauschen. Das Industrieprotokoll etabliert sich durch Eigenschaften wie Plattformunabhängigkeit, Skalierbarkeit und Kommunikationssicherheit immer weiter als offener Standard in der Industrie 4.0. OPC UA ist aber keine alleingültige Schnittstelle, die alle anderen Interfaces ablösen soll. Es ist ein IT-Standard, der es geschafft hat, die gesamte Fabrik zu durchdringen und zu verbinden. Der einheitliche Austausch über alle physikalischen Layer und Ethernet-basierten Feldbusse hinweg bis in die Cloud bringt eine enorme Vereinfachung des Engineering-Aufwands, wenn Daten nicht über verschiedene Protokolle gelesen, konvertiert und synchronisiert werden müssen. OPC UA vereinheitlicht dazu die Sprache der Geräte untereinander und legt fest, wie sich Geräte gegenüber Clients selbst beschreiben und wie sie gesteuert werden. Eine ähnliche ´Bekanntmachung´ der Geräte-Fähigkeiten ermöglicht bereits der generische Schnittstellenstandard GenICam. Dieser vereinheitlicht den softwarebasierten Zugriff auf Kamera-Features jeglicher Art und Hersteller. OPC UA verwendet sogenannte Companion Spezifikationen, welche die wichtigsten Informationen festlegen, um Geräte einer bestimmten Branche umfassend zu beschreiben und somit quasi als Wörterbuch dienen. Komplexe Bildverarbeitungsaufgaben der Geräte werden durch OPC UA in Funktionsbausteinen (Rezepten) gekapselt, deren genaue Wirkungsweise dem Automatisierer bzw. Anwender nicht bekannt sein müssen. Ebenso werden alle notwendigen Einstellungen in Konfigurationsdatensätzen gespeichert und verwaltet. Indem proprietäre Elemente durch herstellerunabhängige Informationsstrukturen ersetzt werden, entsteht ein standardisierter Informationsaustausch zwischen Bildverarbeitungssystemen, Machinen-/ Anlagensteuerung oder einem Softwaresystem wie MES, Scada oder ERP.

Inferenzkamera als OPC-UA-Server

In der Welt der Automatisierung und im IIoT gibt es viele Endpunktgeräte, welche Dienste und Informationen bereitstellen. Sie fungieren als Server im OPC-UA-Netzwerk. Je nachdem, welche Informationen ein Client zur Weiterverarbeitung benötigt, muss er sich mit mehreren Servern verbinden. Reine Bildlieferanten wie Industriekameras sind im Wesentlichen keine typischen OPC UA Geräte. Anders sieht es bei intelligenten Kameras aus, die eine eigenständige Auswertefunktionalität besitzen. Gerade für Embedded Vision Geräte wie die NXT Inferenzkameras von IDS ist OPC UA die perfekte Sprache zur Selbstbeschreibung. Mit einer UA-Schale können sie von den Steuerungsherstellern direkt eingesetzt werden. Nicht als Bild-, sondern als Ergebnislieferant, denn sie arbeiten bereits wie ein Vision Sensor und fungieren im OPC-UA-Umfeld demnach als Server.

Bild 2 | Zur Bereitstellung von Rezepten und Konfigurationen in der OPC-Welt ist weiterhin eine gerätespezifische Schnittstelle, wie beispielsweise Rest bei den IDS NXT Inferenzkameras, notwendig.
Bild 2 | Zur Bereitstellung von Rezepten und Konfigurationen in der OPC-Welt ist weiterhin eine gerätespezifische Schnittstelle, wie beispielsweise Rest bei den IDS NXT Inferenzkameras, notwendig.Bild: IDS Imaging Development Systems GmbH

Produktwechsel auf Knopfdruck

Bildverarbeitungsaufgaben und deren Ergebnisse stellen die Kameras über Vision Apps bereit, die so einfach verwendet und gewechselt werden können, wie Apps auf einem Smartphone. Hardwareseitig wird die Kameraplattform durch einen programmierbaren FPGA unterstützt, der als KI-Beschleuniger viele Architekturen neuronaler Netze (CNN) beschleunigt ausführen kann. Durch die schnelle Neukonfiguration des dedizierten Prozessors kann in wenigen Millisekunden zwischen mehreren geladenen CNNs umgeschaltet werden. Die Verwendung der Vision Apps wird durch die OPC-UA-Rezept- und Konfigurationsverwaltung vollständig im Industrienetz abgebildet und ermöglicht somit auch einen Produktwechsel auf Knopfdruck. Die Geräteinfos und Ergebnisdaten der unterschiedlichen Vision Apps einer NXT Kamera werden durch die OP-UA-Device-Informationsmodelle und die Companion Spezifikation für Machine Vision Systeme als beliebig erweiterbare Objektstruktur jedem Client offen gelegt. Sie können durch dieses Netz navigieren und sich alle erforderlichen Informationen beschaffen, selbst für Typen, die ihnen vorher unbekannt waren. Die einheitliche Kommunikation über OPC UA schafft damit die Grundlage für Plug&Produce neuer Geräte. Die Inferenzkameras können dadurch schnell und ohne viel Aufwand in einem OPC UA Netzwerk als Machine Vision System eingesetzt werden. Die Inbetriebnahme verkürzt und vereinfacht sich damit auf ein Minimum.

Schnittstellenkombi

Mit einem REST (Representational State Transfer) Webservice bieten die Kameras eine standardisierte, plattformunabhängige Schnittstelle, die eine einfache Vernetzung mit anderen webfähigen Geräteklassen ohne zusätzliche Software oder Gateways basierend auf dem HTTP Protokoll erlaubt. Zusätzlich bleibt er die maßgebliche Schnittstelle, wenn es darum geht, die Inferenzaufgaben mit den zugehörigen Einstellungen einzurichten und sie per Rezepte und Konfigurationen in der OPC Welt bereit zu stellen. Denn für diese Geräte- und Hersteller-spezifischen Prozesse stellt die OPC UA Spezifikation selbst keine einheitlichen Funktionsaufrufe zur Verfügung. Bildverarbeitungssysteme sind kaum vergleichbar was ihre Steuerung, Arbeitsweise und die verwendeten Einstellungen und Daten angeht. Daraus lässt sich nur schwierig ein Standard schaffen, ohne die sehr individuellen Systeme in ihrer Funktionalität zu stark zu beschränken bzw. eine generische Schnittstelle zu stark aufzublähen. Damit bleiben Alleinstellungsmerkmale für die Gerätehersteller weiterhin möglich und die OPC UA Kommunikation schlank und skalierbar. OPC UA wird die Geräte-Schnittstellen also nicht ersetzen, sondern ergänzt die Möglichkeiten im Industrieumfeld. Kamerakonfigurationen und Vision App-basierte Inferenzaufgaben werden dazu in einem für OPC-UA-kompatiblen und lesbaren Format abgespeichert.

Seiten: 1 2Auf einer Seite lesen

Thematik: Technologie
IDS Imaging Development Systems GmbH

Das könnte Sie auch Interessieren

Anzeige

Anzeige

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

„Künstliche Intelligenz ist eine, wenn nicht die wichtigste Zukunftstechnologie für Unternehmen.“ Diese Aussage bejahen 70 Prozent der Befragten der jüngsten Bitkom-Studie zu KI. Aber nur 10 Prozent aller Unternehmen haben KI-Technologie aktiv im Einsatz, lediglich 30 Prozent planen und diskutieren deren Anwendung. Was ist der Grund für diese große Diskrepanz?

Bild: Blue Yonder, Inc.
Bild: Blue Yonder, Inc.
Künstliche Intelligenz – mehr als eine Wissenschaft

Künstliche Intelligenz – mehr als eine Wissenschaft

Data Science ist mittlerweile ein fester Bestandteil der strategischen Planung in vielen Unternehmen. Um künftige Entwicklungen realistisch zu planen, brauchen wir Künstliche Intelligenz (KI) und Maschinelles Lernen (ML). Insbesondere im Einzelhandel vertrauen immer mehr große Player auf KI-Lösungen, die präzise Prognosen ermöglichen und zum Beispiel Bestände oder Preise optimieren. Doch viele Entscheidungsträger glauben noch nicht daran, dass KI in den Lieferketten der Zukunft eine tragende Rolle spielen wird. Der Grund hierfür liegt in einer falschen Sicht auf die Wissenschaft.

Bild: ©Stock57/stock.adobe.com
Bild: ©Stock57/stock.adobe.com
KI-Verfahren für die Produktion

KI-Verfahren für die Produktion

Mathematiker der Hochschule Darmstadt (h_da) entwickeln gemeinsam mit dem Hanauer Simulationsdienstleister und Softwareunternehmen SimPlan und dem Automationsexperten Fibro Läpple Technology neue KI-Technologien. Im Rahmen des Loewe-Projekts ‚KISPo‘ will das Konsortium eine autonome, selbstlernende Steuerungssoftware für Produktionsanlagen entwickeln, wie sie z.B. bei der Herstellung von Komponenten für Windräder oder Elektromotoren zum Einsatz kommen. Es wäre die erste KI-Software dieser Art. Damit würde eine von Industrieverbänden und Forschung lange bemängelte Technologielücke geschlossen. Das Land Hessen fördert das Projekt für zwei Jahre mit 320.000 Euro. Konsortialführerin ist die Hochschule Darmstadt.

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Chancen und Herausforderungen von Machine Learning in der Fertigung

Chancen und Herausforderungen von Machine Learning in der Fertigung

Automatisierung, künstliche Intelligenz (KI), Internet of Things (IoT) und Machine Learning (ML) sind heutzutage bekannte Technologien und kommen bereits in vielen Unternehmen zum Einsatz. Mit Hilfe von Machine Learning wird es IT-Systemen ermöglicht, Muster und Zusammenhänge aus Daten zu lernen und sich selbst zu verbessern. Dabei ist keine explizite Programmierung notwendig. Die Bearbeitung von Kundenanfragen, die Erkennung möglicher Störfälle sowie unerwarteter Ereignisse wie z.B. Cyberangriffe sind klassische Anwendungsfelder von ML. Aber auch die Unterstützung bei einer rein datengestützten Entscheidungsfindung und die Interpretation großer Datenmengen gehören dazu.

Bild: ©Shuo/stock.adobe.com
Bild: ©Shuo/stock.adobe.com
Sensoren lernen das Denken

Sensoren lernen das Denken

Im Fraunhofer-Leitprojekt NeurOSmart forscht das Fraunhofer IPMS zusammen mit vier weiteren Instituten (ISIT, IMS, IWU, IAIS) unter Leitung des Fraunhofer ISIT gemeinsam an energieeffizienten und intelligenten Sensoren für die nächste Generation autonomer Systeme. Dabei sollen die Brücken zwischen Wahrnehmung und Informationsverarbeitung durch innovative Elektronik neu definiert werden.

Bild: ©ipopba/stock.adobe.com
Bild: ©ipopba/stock.adobe.com
Wie KI 2022 praktikabel wird

Wie KI 2022 praktikabel wird

Künstliche Intelligenz war bereits in der Vergangenheit in aller Munde, schaffte es aber doch oft nicht bis in die Anwendung. Das wird sich 2022 ändern – auch weil sich langsam Standards etablieren und sich neue, konkrete Einsatzmöglichkeiten ergeben. In welchen Bereichen Business-Implementierungen zu erwarten sind, erläutert Bernhard Niedermayer, Head of AI bei Cloudflight.

Anzeige

Anzeige

Anzeige