Machine Vision Software LinkedIn Showcase page

Systemintegratoren geben sich die Beere - oh, die Ehre natürlich

Wenn Sie Heidelbeer-Muffins oder Bagels bei Ihrem Lebensmittelhändler kaufen, dann haben die Beeren darin wahrscheinlich schon eine sehr lange Reise hinter sich. Bevor die gepflückten Beeren auf dem Teller landen, müssen sie mehrere Stufen einer strengen Kontrolle durchlaufen, die bis vor kurzem noch mechanisch, optisch und personell erfolgte. Gleich nach der Ernte der Heidelbeeren durch einen Traktor werden diese blitzgefroren und so lange gelagert, bis beim Erzeuger eine Bestellung eingeht. Vor der eigentlichen Kontrolle passieren die Früchte eine Reihe von mechanischen Sortier- und Reinigungsvorgängen. Die Beeren werden von Blättern und Zweigen, die der Traktor mit aufgenommen hat, getrennt und in einen schwerkraftbasierten Lasersortierer geschüttet, um weitere Fremdkörper zu entfernen, bevor sie manuell von Arbeitern sortiert werden. Die Früchte werden dann nicht direkt zum Endverbraucher, sondern an Kunden in der Lebensmittelindustrie geliefert.

blueberry_zoom.jpg

Für einen Erzeuger, der ca. 13.600 kg Früchte pro Stunde kontrollieren und 100 % der Fremdkörper entfernen will, ist das vorrangige Ziel - die Verbesserung der Qualitätskontrolle - Notwendigkeit und Herausforderung gleichermaßen.

Diese Herausforderung wurde von einem nordamerikanischen Erzeuger von Heidelbeeren an die Firma Orus Integration, einen Systemintegrator für Bildverarbeitung aus Boisbriand/Quebec, Kanada, herangetragen. Im Frühjahr 2003 wurde der Firma Orus der Auftrag erteilt, ein bildverarbeitungsbasiertes Inspektionssystem für Heidelbeeren zu entwickeln, um damit das vorhandene optisch-basierte System zu ersetzen und eventuell die bei der manuellen Prüfung entstehenden Lohnkosten zu reduzieren.

Für die Ingenieure von Orus Integration war offensichtlich, dass ein farbbasiertes Bildverarbeitungssystem die Lösung ist. "Viele unserer Mitbewerber bieten Systeme mit optischer Prüfung an. Diese arbeiten aber ohne Farbanalyse und erstellen auch keine Ergebnisdaten," sagt Louis Dicaire, Projektmanager bei Orus Integration. "Anfangs konnten wir garantieren, dass unser System 94 % der Fremdkörper erkennt, bei den Tests betrug der Anteil dann sogar 97 %."

blueberry_schema.jpg

Das Orus FL6500C Inspektionssystem für Heidelbeeren verwendet zurzeit fünf Farbkameras Marlin 1394, die an drei Matrox Meteor-II/1394 Adapterkarten angeschlossen sind. Das System basiert auf drei Dual Xeon 3.06 GHz Servern und einem P4 1U Clientrechner, der als Graphical User Interface (GUI) dient. Die Bilddaten werden durch die Matrox Imaging Library (MIL) analysiert; die Ergebnisse werden über Ethernet zu einem Omron PCL für die Steuerung des Ausschußmechanismus weitergeleitet. Eine weiße Stroboskopleuchte erhellt den Prüfbereich.

Optional können fünf weitere Marlin Kameras in das Inspektionssystem eingebunden werden, so dass die Beeren von oben und unten erfasst werden können. (Die gegenwärtige Konfiguration mit fünf Kameras ermöglicht nur die Erfassung von oben.) Der Anschluß von neuen Kameras setzt zwei zusätzliche Dual Xeon Maschinen voraus. (Abb. 1)

Das System

Das System Orus FL6500C verwendet für die Erfassung des ca. 1,50 m breiten Transportbandes fünf Farbkameras Marlin 1394 von Advanced Vision Technology Ltd. Diese sind mit drei Matrox Meteor-II /1394 Adapterkarten verbunden. Das System basiert auf drei Dual Xeon 3.06 GHz 1U Servern und einem P4 1U Clientrechner, der als Graphical User Interface (GUI) eingesetzt wird. Die Bilddaten werden mit der Matrox Imaging Library (MIL) analysiert und die Ergebnisse über Ethernet an einen Omron PLC weitergeleitet, um den Ausschußmechanismus zu steuern. Eine weiße Blitz-LED erhellt den zu prüfenden Bereich.

Die Beeren werden zuerst auf ein vibrierendes Förderband geschüttet, dessen Oberfläche "Rillen" hat, damit sich die Beeren in einer Ebene flach anordnen, um die Prüfung zu erleichtern. Dann werden die Beeren zu einem strukturierten Förderband weitergeleitet, das die Beeren erfasst und sie innerhalb der ersten 60 cm des ca. 3,60 m langen Bandes zum Liegen bringt. "Das strukturierte Band arbeitet fast zu gut!" meint Dicaire. Das Bildverarbeitungssystem befindet sich über dem Ende des strukturierten Förderbandes und erfasst die Bilder der Beeren, wenn sie über die Kante fallen.

Das strukturierte Förderband der FL6500C bewegt sich mit einer Geschwindigkeit von 183 m pro Minute. Für den optimalen Ablauf ist die zeitliche Steuerung des gesamten Systems entscheidend. Das System taktet alle 0,32 cm. Der 20. Impuls (ca. alle 6,40 cm) löst die Kamera mit einer Belichtungszeit von 120 µs aus. Die Prüfung basiert ausschließlich auf dem Teilchenanalysemodul von MIL und jede Teilchenmenge wird hinsichtlich durchschnittlichem Farbton, durchschnittlicher Helligkeit im roten Bereich, Größe und Rundheit analysiert. Anhand dieser Kriterien können zum Beispiel Eisstückchen aufgrund ihrer Farbe erkannt werden und andere Fremdkörper wie dünne Zweige oder Insekten durch das Fehlen von Rundheit und/oder Farbe. Unreife oder überreife Früchte werden anhand ihrer Farbwerte oder Größe bestimmt und somit auch andere Früchte wie Preiselbeeren, die manchmal in den Heidelbeeren landen.

Ein speziell angeordneter Strom von Druckluft lenkt die Partikel, die der Prüfung nicht standgehalten haben, auf eine Ausschußplatte. Die Druckluftströme wurden über der ca. 35,50 cm großen öffnung zwischen dem strukturierten Förderband und einem dritten Transportband positioniert. Wenn während der Prüfung die "schlechten Teilchen" lokalisiert werden, wird deren Position so berechnet, dass die Druckluftströme den Ausschuß aus den guten Beeren "herausschießen".

Die Ingenieure bei Orus sind erfahrene Anwender von MIL, deshalb waren die meisten Herausforderungen des Projektes mechanischer Art: die Montage der Komponenten und die Einstellung der Geschwindigkeit. Die Beibehaltung des Zeittaktes für den Ausschußmechanismus war für Mechanik und Bildverarbeitung entscheidend, denn die Ingenieure haben nur ein Zeitfenster von 20 ms für die Analyse und Berechnung der Druckluftströme zur Verfügung. Arbeiten die Druckluftströme zu lange, dann werden sie auch gute Früchte aussortieren. Darüber hinaus muß die Verarbeitung eines jeden Bildes unabhängig von der Anzahl der Beeren die gleiche Zeit in Anspruch nehmen. Die Verarbeitung von Bildern mit einer höheren Anzahl von Beeren darf nicht länger dauern. "Die Anzahl der Beeren pro Bild ist ganz unterschiedlich und wir wollten nicht die Anzahl der Teilchen begrenzen, die in einem gegebenen Bild verarbeitet werden können," erklärt Dicaire "und da Matrox den Algorithmus so optimiert hat, dass die Farbebene für MMX getrennt ist, reichen als Zeitrahmen die 20 ms aus." Schließlich hat Orus erkannt, dass das Projekt auch produktunabhängig und das System für andere Lebensmittel einfach modifiziert werden könnte.

Das Beste vom Besten

Der erste Vorteil des FL6500C gegenüber den Systemen der Mitbewerber ist die Geschwindigkeit. Auch der Ausschußmechanismus des Systems ist einzigartig. Er prüft 20.000 Beeren pro Sekunde und enthält Mechanismen, um die schlechten Teile auszusortieren. Entscheidend ist auch die Flexibilität des Systems, denn der Operator hat die Kontrolle über die Toleranzen und die Leistungsparameter für Form- und Farbanalyse sowie das Timing der Druckluftströme. Der Anwender kann schließlich auch exakt feststellen, wie viele Heidelbeeren einer bestimmten Einheit geprüft und aussortiert werden. Kein anderes Produkt für diesen Industriezweig zeichnet sich sowohl durch quantitative als auch qualitative Ergebnisse dieser Art aus.

Das FL6500C wurde vorerst für einen speziellen Kunden entwickelt. "Aber wir möchten sicherstellen, dass das System produktunabhängig ist, so dass wir es auch an andere Produkte wie Kokosnüsse oder Preiselbeeren anpassen können," bemerkt Dicaire.

1394.jpg

Matrox Meteor-II/1394 ist ein IEEE 1394-to-PCI Adapterboard für die problemlose, präzise digitale Videoerfassung.

Weitere Informationen dazu finden Sie bei Orus Integration unter oder Matrox Imaging Kommunikations-Team.

Zurück nach oben