Der Blätterkatalog benötigt Javascript.
Bitte aktivieren Sie Javascript in Ihren Browser-Einstellungen.
The Blätterkatalog requires Javascript.
Please activate Javascript in your browser settings.
10 -24 · w w w c o m p u t e r - a u t o m a t i o n d e | 2 9 Vi s u e l l e In s p e k t i o n Optical Character Recognition kurz OCR auf der Grundlage von Deep Learning Eine Vielzahl von Faktoren kann es schwer bis unmöglich machen mit herkömmlichen OCR-Techniken – ohne KI – stabile Ergebnisse zu erzielen Zu diesen Faktoren zählen stilisierte Schriften verschwommene verzerrte oder verdeckte Zeichen reflektierende Oberflächen wechselnde Beleuchtungsumgebungen und komplexe ungleichmäßige Hintergründe Auf Deep Learning basierende OCR hingegen kann mit einem gebrauchsfertigen neuronalen Netzwerk geliefert werden das mit Tausenden von verschiedenen Bildmustern trainiert wurde So kann es selbst bei sehr schwierigen Fällen sofort eine hohe Genauigkeit erreichen Benutzer können mit solchen Tools in wenigen einfachen Schritten robuste OCR-Anwendungen erstellen – auch ohne Fachkenntnisse in der maschinellen Bildverarbeitung Dabei hilft eine intuitive Benutzeroberfläche für die Einrichtung Flexibilität erreichen diese Lösungen da sie auf Desktop-PCs Android-Handheld-Geräten und Smart-Kameras einsetzbar sind Häufig werden diese Deep Learning-Funktionen für die maschinelle Bildverarbeitung mit 3D-Scans zur erweiterten Datenerfassung und -analyse kombiniert Detaillierte Daten aus 3D-Vision-Systemen 3D-Vision-Systeme können die räumliche Anordnung von Objekten in einer elektrischen Batterie nachvollziehen einschließlich der Form Größe Position und Ausrichtung des Objekts in einem dreidimensionalen Raum Diese detaillierten Daten dienen 3D-Inspektionsverfahren dann für umfassende und präzise Prüfungen beispielsweise von Zellen Lötperlen für die Zellmontage Laschen und Steckern sowie Kleberaupen für die Zellstapelmontage 3D-Bildverarbeitungssysteme erfassen Bilder aus zwei leicht versetzten Blickwinkeln Dieses Stereosehen ermöglicht es dem 3D-Bildverarbeitungssystem Tiefe wahrzunehmen und die dreidimensionale Struktur von Objekten zu erkennen Das 3D-Scannen kann mit verschiedenen Techniken erfolgen zum Beispiel Laserscanning Scannen mit strukturiertem Licht ToF Time of Flight -Scanning Fotogrammetrie oder Kontaktscanning Der erste Schritt beim 3D-Scannen ist Daten zur Oberflächengeometrie des gescannten Objekts zu erfassen Anwendungsbeispiele sind Prismenund Pouch-Zellen die laminiert und gestapelt werden müssen sowie Elektroden und Separatoren die in rechteckige Abschnitte geschnitten und gestapelt werden um eine Batteriezelle zu bilden Hochauflösende 3D-Profilsensoren helfen bei Inspektionen bei denen der Bildkontrast gering oder das Licht schlecht ist Durch die hochauflösende 3D-Darstellung kann auch sichergestellt werden dass die Zellgehäuse frei von Verunreinigungen sind Sobald die Daten erfasst sind werden sie zu einer Punktwolke einer Sammlung von Datenpunkten in einem dreidimen-Die Kamera für industrielle Bildverarbeitung ‚CV60‘ und die Software ‚Aurora‘ von Zebra dienen der Prüfung von Elektrobatteriemodulen Bi ld er Zeb ra Te ch no log ies