Objekte an einer Materialsortieranlage erkennen

Technische Lernumgebungen öffnen

Am ITBH gibt es eine altgediente technische Lernumgebung, die Materialsortieranlage (MSA), die mit SPS und CodeSys angesteuert werden kann. Ein Student der Medientechnik hat das Gerät im Rahmen seiner Bacherlor-Arbeit für den Betrieb mit einem Raspberry Pi erweitert. So integriert es sich auch in die Python-Welt und wird für weitere spannende Informatikkontexte nutzbar.

In dieser Lerneinheit geht es um verschiedene technische Konzepte, die so miteinander verwoben werden, dass komplexe Szenarien mit der technischen Lernumgebung möglich sind. Im Zentrum der Lerneinheit stehen verschiedene Experimente mit tiefem Lernen und Künstlichen Neuronalen Netzen (KNN) für die Objekterkennung und -verfolgung. Orientierung geben dafür Arbeitsprozesse aus der Produktion, wo Qualitätssicherung in der Fertigung eine Rolle spielt.

Inhalte in dieser Einheit

• Die MSA anschließen und verkabeln

  Da die MSA auch mit einer SPS oder Wago betrieben werden kann, ist ggf. zu Beginn des Betriebs ein Umstecken der Hardware notwendig. Im Rahmen einer Bachelorarbeit wurde ein Anschlusssystem entwickelt, das den abwechselnden Betrieb beider Systeme – Raspberry und SPS/Wago – mit wenigen Arbeitsschritten möglich macht.

• Die MSA ins Netzwerk einbinden

  Der verbaute Raspberry Pi wird ohne Monitor und Tastatur betrieben und aus einem lokalen Netzwerk über SSH fernadministriert. Auch die Clients der Lernenden empfangen Signale der MSA übers Netzwerk. Dafür muss zunächst ein WLAN/LAN eingerichtet werden.

• Die MSA in Betrieb nehmen

  Wenn die MSA von einem Raspberry Pi gesteuert werden soll, muss dieser zunächst hochgefahren werden. Anschließend sind einige Programme zu starten und auch der Druckluftkompressor muss eingeschaltet werden, um die Sortierstößel zu betreiben.

• Die REST-API der MSA kennenlernen

  Nach dem Starten der notwendigen Programme auf dem MSA-Raspberry stellt dieser eine REST-API zur Verfügung. Diese erlaubt die Steuerung der Anlage sowie die Abfrage der Zustände von Sensoren und Aktoren. In dieser Einheit geht es darum, sich mit der API vertraut zu machen.

• Ereignisse mit PubSub veröffentlichen und abonnieren

  PubSub: Interessierte Clients abonnieren (Sub von subscribe) die Ereignisse, die der Pub-Server der MSA veröffentlicht, und führen nach Bedarf sinnvolle Programme aus.

• Objekte mit Teachable Machine erkennen

  Teachable Machine eignet sich auch für die Arbeit mit der MSA zum Einstieg sehr gut, wenn es darum gehen soll, einfache Objekte auf dem Transportband zu erkennen. Auch das Training des Modells nimmt wenig Zeit in Anspruch, sodass die eigentlichen Prozesse der Objekterkennung und Automatisierung im Mittelpunkt stehen.

• Objekte mit YOLO erkennen

  Für fortgeschrittene Anwendungen der Objekterkennung und -verfolgung kommt immer häufiger das quelloffene Framework YOLO zum Einsatz. Trainings- und Evaluationsaufwand sind größer, dafür sind professionelle Anwendungen möglich, die sehr gut auf Experimente mit Teachable Machine aufbauen.