Wie UV und SWIR industrielle Bildverarbeitungssysteme revolutionieren
Von der einfachen Kamera zum komplexen Vision-System

Lesezeit: Minuten
Die Kamera, die vor fast 200 Jahren erfunden wurde, brauchte fast 130 Jahre, um ihren Weg in die Fertigung zu finden. Mitte des 20. Jahrhunderts kamen die ersten Bildverarbeitungssysteme auf, die in erster Linie für einfache Produktprüfungen konzipiert waren. In den 1960er und 1970er Jahren veränderten sich die industriellen Inspektionssysteme mit dem Aufkommen der digitalen Bildverarbeitung. Die ersten Kameras waren zwar groß, hatten eine geringe Auflösung und waren kostspielig, aber sie ebneten den Weg für den Wechsel von manuellen zu automatischen Bildverarbeitungssystemen. In den 1980er Jahren verbesserten ladungsgekoppelte Bildsensoren (CCD) und fortschrittliche Software die industrielle Bildverarbeitung erheblich und ermöglichten es den Kameras, komplexere Aufgaben zu bewältigen.
Heutige Industriekameras verwenden zwar immer noch CCD-Sensoren, doch werden inzwischen CMOS-Bildsensoren (Complementary Metal-Oxide Semiconductor) bevorzugt. CMOS-Sensoren bieten eine vergleichbare Bildqualität wie CCDs, verbrauchen aber weniger Strom, verarbeiten Signale schneller und sparen Kosten. In Verbindung mit dem richtigen Objektiv, der richtigen Montage, Beleuchtung, Software und Verarbeitung bilden die heutigen Industriekameras fortschrittliche Bildgebungssysteme, die eine Schlüsselrolle bei der Förderung der industriellen Intelligenz spielen.
Erweiterte Kamerafunktionen für die komplexe Fertigung
Seit ihren Anfängen im Jahr 1826 sind die meisten Kameras darauf ausgelegt, Bilder im sichtbaren Lichtspektrum zu erfassen, um ein Bild so wiederzugeben, wie es das menschliche Auge sieht. Sie haben zwar sichtbare Oberflächenfehler wie Kratzer, Dellen oder Farbabweichungen effektiv erkannt, waren aber durch ihren engen (menschlichen) Wahrnehmungsbereich begrenzt. Mit der zunehmenden Komplexität von Produkten und Fertigungsprozessen wuchs der Bedarf an einem besseren Einblick in Materialien, Oberflächen und Komponenten.
Technologische Fortschritte bei der UV- und SWIR-Bildgebung
Jüngste Fortschritte in der Bildsensortechnologie haben den Wellenlängenbereich erweitert, so dass Kameras nun auch kurzwelliges Infrarot (SWIR) und ultraviolettes (UV) Licht erfassen können. Diese Innovationen bieten erhebliche Vorteile, da sie über das sichtbare Spektrum hinausgehen. Industriekameras mit UV- oder SWIR-CMOS-Bildsensoren können verborgene Merkmale aufdecken, Defekte erkennen und Materialeigenschaften analysieren, die für das menschliche Auge unsichtbar sind, was neue Möglichkeiten für industrielle Anwendungen eröffnet:
Sehen im ultravioletten Bereich (200 nm - 400 nm)
Erkennung von Defekten- UV-Licht mit kürzeren Wellenlängen kann kleinere Spalten als sichtbares Licht durchdringen, wodurch zusätzliche Bilddetails sichtbar werden.
Sortieren- UV-Licht interagiert in einzigartiger Weise mit verschiedenen Kunststoffen und ermöglicht so Sortiervorgänge.
Fluoreszenz-Detektion- Durch die Einarbeitung von Tracer-Materialien in Klebstoffe und Schmiermittel können mit UV-Licht undichte Stellen und überschüssige Flüssigkeiten aufgespürt und die ordnungsgemäße Beschichtung während des Herstellungsprozesses überprüft werden.
Oberflächenverschmutzung- UV-Kameras können Öle, chemische Rückstände und Reinigungsmittel erkennen, die während der Herstellung auf den Oberflächen zurückbleiben.
Erkennung von Mikroorganismen- Viele Mikroorganismen, darunter Bakterien und Pilze, fluoreszieren von Natur aus unter UV-Licht. Andere können mit UV-reaktiven Farbstoffen angefärbt werden, was eine schnelle, hochauflösende Bildgebung von Kulturen oder Umweltproben ermöglicht.
Plasma-Anregung- UV-Kameras können Photonen erkennen, die von angeregten Plasmen bei Vakuum-/Plasma-Halbleiterprozessen emittiert werden, und Bilder erzeugen, die zur Verbesserung der Prozesskontrolle beitragen.
Sehen im kurzwelligen Infrarot (400 nm - 1700 nm)
Erkennung von Feuchtigkeit- SWIR-Kameras können tiefer in Materialien eindringen und eignen sich daher ideal zur Erkennung von Feuchtigkeitsgehalten, die die Produktqualität beeinträchtigen, insbesondere in Branchen wie der Verpackungs-, Lebensmittel- und Getränkeindustrie sowie der Papierherstellung.
Erkennung interner Defekte- In der Automobilherstellung kann die SWIR-Bildgebung interne Defekte wie Delaminationen, Hohlräume oder strukturelle Unstimmigkeiten in Verbundwerkstoffen oder Metallen aufdecken.
Medizinische Bildgebung- In den Biowissenschaften bietet die SWIR-Bildgebung deutliche Vorteile für die biologische Forschung, die medizinische Diagnostik und die Umweltüberwachung, da sie eine nicht-invasive Visualisierung von biologischem Gewebe ermöglicht.
Überwachung biologischer Flüssigkeiten- Die SWIR-Bildgebung eignet sich für die Überwachung biologischer Flüssigkeiten wie Blut und Speichel, wobei ihre Absorptions- und Streueigenschaften zur Identifizierung von Biomarkern genutzt werden.
Wafer-Inspektion- SWIR-Imaging wird in der Halbleiterfertigung eingesetzt, um Defekte in Wafern und Mikrochips zu erkennen, z. B. Verunreinigungen, Risse und strukturelle Mängel, die mit herkömmlichen optischen Inspektionsmethoden möglicherweise nicht sichtbar sind.
Die Integration von UV- und SWIR-Funktionen in Industriekameras bietet neue Einblicke in Fertigungsprozesse. Durch die Erfassung von Daten außerhalb des sichtbaren Spektrums verbessern diese fortschrittlichen Bildverarbeitungssysteme die Qualitätskontrolle in Echtzeit, helfen bei der vorausschauenden Wartung und optimieren Prozesse.
Downloads
-
Industriekameras mit SWIR- und UV-Sensoren
Schlüsselwörter
- Vision
- Machine Vision und Optische Identifikation
- Intelligente Sensorik
- Industriekameras
Author

Robert Crumley
0 Beiträge
Kommentar
Beliebte Beiträge
Wie unterscheidet sich der Anschluss von Sensoren mit PNP und NPN Ausgang?
Was sind kapazitive Sensoren und wofür werden sie verwendet?
Echtzeit-Geschwindigkeit von IO-Link
DMC vs. RFID in der Fertigung
Kontaktformular
Haben Sie Fragen oder Anregungen? Wir sind für Sie da.
Balluff GmbH
-
Zabergäustraße 8
73765 Neuhausen a.d.F.