Ich arbeite seit über zwanzig Jahren in der Bildmesstechnik und bin dabei auf verschiedenste Werkstücke sowie auf viele unerwartete „Phänomene“ bei der Prüfung gestoßen. Ein häufiges Problem ist, dass bei relativ rauen Werkstückoberflächen oder speziellen Beschichtungen die Kantenerkennung des Bildmessgeräts instabil wird und die Messergebnisse deutliche Abweichungen aufweisen. Dies ist kein Problem der Geräte eines bestimmten Herstellers, sondern beruht sowohl auf optischen Prinzipien als auch auf Materialeigenschaften.
Idealerweise erscheinen die Kanten eines Werkstücks in einem Bild als klare Graustufenübergänge: von hell nach dunkel oder von dunkel nach hell, die einen scharfen Gradienten bilden. Auf diese Weise können die Kantenerkennungsalgorithmen der Software stabile Signale erfassen und die Grenze präzise extrahieren. Doch die Realität sieht oft anders aus. Beim Sandstrahlen von Aluminiumteilen beispielsweise ist die Oberfläche mit winzigen, unregelmäßigen Unebenheiten übersät. Das einfallende Licht wird diffus gestreut, und die von der Kamera erfasste Graustufenverteilung wird chaotisch. Helle und dunkle Bereiche wechseln sich ab, und die Kurve schwankt stark. Aus einer eigentlich sauberen „Grenzlinie“ wird ein verwackeltes Graustufenprofil.
Ich erinnere mich an die Untersuchung eines Präzisionsformteils, dessen Oberfläche eine Oxidschicht aufwies. Die Reflektivität variierte stark zwischen den Bereichen: Einige Bereiche erschienen zu hell, andere sehr dunkel. Infolgedessen wurde der Kantenübergang unterbrochen, der Gradient verlor an Stabilität und die extrahierte Grenze wurde unscharf oder sogar gebrochen. Der Kunde war damals verwirrt und vermutete dies in der unzureichenden Instrumentengenauigkeit. Die eigentliche Ursache war jedoch die komplexe Oberflächenreflexion.
Ein weiteres Problem, das durch raue Oberflächen entsteht, ist Rauschen. Ich habe einmal einer Autoteilefabrik bei der Prüfung sandgestrahlter Gussteile geholfen. Beim Vergrößern des Bildes waren helle Flecken und körnige Muster zu sehen. Der Algorithmus interpretierte viele Flecken fälschlicherweise als Randpunkte, was zu Messabweichungen im zweistelligen Mikrometerbereich führte. Bei Präzisionsteilen sind solche Fehler absolut inakzeptabel.
Noch komplizierter wird es, wenn eine metallische Beschichtung hinzugefügt wird. Beschichtungen neigen dazu, Mikroreflexionen zu erzeugen, die zu starken Helligkeitsunterschieden zwischen benachbarten Pixeln führen. Das Bild ist dann voller winziger heller und dunkler Flecken. Diese Störsignale vermischen sich mit echten Kanten, was es der Software erschwert, die wahre Grenze zu bestimmen. Oftmals erkennt das System Lücken nicht oder erzeugt „falsche Kanten“.
Ich erinnere mich auch an solche Erfahrungen mit Smartphone-Rahmen. Die eloxierte Oberfläche erzeugte zahlreiche feine Reflexionspunkte im Bild. Die Software interpretierte sie als Teil der Kante, und die berechnete Länge war deutlich größer als die tatsächliche Abmessung. Dieser Fall machte mir klar, dass Störgeräusche die Messgenauigkeit weitaus stärker beeinträchtigen, als viele Menschen glauben.
Nach mehr als zwei Jahrzehnten in diesem Bereich ist mir eines klar geworden: Die größte Herausforderung bei rauen Oberflächen und Spezialbeschichtungen liegt nicht in der Qualität der Geräte, sondern in den Grenzen der optischen Bildgebung selbst. Eine ungleichmäßige Graustufenverteilung macht Kantensignale instabil, während Rauschen den Algorithmus „verwirrt“. Das ist der eigentliche Grund für sinkende Erkennungsraten. In solchen Situationen kann man nicht einfach dem Gerät die Schuld geben. Stattdessen müssen Lösungen aus drei Perspektiven gesucht werden: Beleuchtungsdesign, Materialeigenschaften und Softwareverarbeitung. Nur wenn wir diese Prinzipien verstehen, können wir die Leistung eines Bildmessgeräts optimal nutzen.