DE19948140A1

DE19948140A1 - Verfahren und Vorrichtung zur Erkennung von Defekten in und an transparenten Objekten

Info

Publication number: DE19948140A1
Application number: DE1999148140
Authority: DE
Inventors: Wolfgang Fried; Herbert Schulze; Thomas Koerbs; Christian Dullin
Original assignee: Friedrich Schiller Universtaet Jena FSU
Current assignee: Friedrich Schiller Universtaet Jena FSU
Priority date: 1999-09-29
Filing date: 1999-09-29
Publication date: 2001-04-05
Also published as: WO2001023870A1; AU7660000A

Abstract

Die Erfindung betrifft die Erkennung von Defekten in und an transparenten Objekten, wie Streuscheiben für Fahrzeugscheinwerfer, die gegebenenfalls selbst strukturiert sind. Typische Fehler sind u. a. Einschlüsse von Gasbläschen oder Fremdpartikeln, gekrümmte kantenförmige Absätze, Dickenunterschiede des Materials und brechungsindexverändernde Flächenabweichungen. DOLLAR A Aufgabe war es, insbesondere kontrastarme und visuell schwer erkennbare Defekte, möglichst aufwandgering festzustellen und die Defekte von vorgegebenen Objektstrukturen unterscheiden zu können. DOLLAR A Das Verfahren soll sowohl für eine visuelle Prüflingskontrolle als auch für eine objektive Auswertung mit einem Bildverarbeitungssystem, ggf. unmittelbar im Herstellungsprozess der zu untersuchenden Objekte, geeignet sein, um Objekte mit nicht tolerierbaren Defekten zu selektieren. DOLLAR A Erfindungsgemäß werden das Prüfobjekt (1) mit einer hinreichend kohärenten Strahlung einer Punktlichtquelle (3) über mindestens ein optisches Abbildungselement (4) durchleuchtet und ein Kameraobjektiv (5) auf eine oder vorzugsweise unterschiedliche Ebenen des Objektes (1) fokussiert. Jedes Kamerabild wird für jede gewählte Objektivfokussierung (a, b, c) nach vorliegenden Grauwerten ausgewertet. Auf diese Weise können optisch alle Arten von Defekten detektiert werden. Insbesondere gelingt es, sehr kontrastarme Defekte unabhängig von einer vorgegebenen Objektstruktur, deutlich festzustellen, was mit der Anwendung der an sich bekannten ...

Description

Die Erfindung betrifft ein Verfahren und eine Vorrichtung zur Erkennung von Defekten in und an transparenten, gegebenenfalls auch strukturierten Objekten, insbesondere zur Erkennung sehr kontrastarmer und damit schwer erkennbarer Defekte, wie sie z. B. im Herstellungsprozess von Streuscheiben für Autoscheinwerfer entstehen. Typische Fehler sind u. a. Einschlüsse von Gasbläschen oder Fremdpartikeln, gekrümmte kantenförmige Absätze, Dickenunterschiede des Materials und Brechungsindex verändernde Flächenabweichungen.

Es besteht seit langem die Forderung, solche visuell schwer feststellbaren Defekte zuverlässig zu erkennen und Objekte mit nicht tolerierbaren Defekten, beispielsweise unmittelbar im Fertigungs- bzw. Bearbeitungs prozess auszusortieren. Die in einzelnen Branchen bekannt gewordenen Prüfmethoden nutzen, wie nachfolgende Beispiele belegen, unterschiedliche optische Verfahren. Einschlussfehler und Absatzfehler werden danach zumeist bei schrägen Lichteinfall durch Streueffekte oder veränderte Lichtbrechung und Beugung nach dem Vorbild des klassischen Abbeschen Beleuchtungsapparats erkennbar gemacht. Um Verzerrungen durch Flächenfehler (Brechkraftänderungen) detektieren zu können, werden dagegen meist durch das Objekt projizierte Muster ausgewertet.

In der US 3,925,049 wird ein Beleuchtungsverfahren zur Darstellung genannter Fehler bei der noch subjektiven Flachglasprüfung beschrieben. Danach werden die Glasdefekte auf Grund der bei flachem Lichteinfall verstärkt wirksamen Aberrationen deutlich sichtbar. Nachteilig ist, dass der Prüfer in einer Prüfkabine die Flachglasscheiben direkt visuell begutachten und Fehler manuell markieren muss. Daraus folgen die für die subjektive Sichtkontrolle typischen Probleme, wie starke Abhängigkeit des Einsatzortes der Prüfperson von den Umweltbedingungen, Abhängigkeit der Fehlerquote vom Ermüdungszustand der Prüfperson und von der geforderten Prüfgeschwindigkeit.

Die schräge Beleuchtung wird in weiteren Erfindungen aufgegriffen. In der US 4,306,808 wird ein automatisches Inspektionssystem speziell für einen typischen Floatglasfehler (Typ Zinntropfen) vorgestellt. Das fortlaufende Glasband wird bei diesem System mit einem flach einfallenden Laserstrahl punktweise in einer Linie über die gesamte Breite des Glasbandes abgetastet. Mit zwei Fotodetektoren die jeweils mit einem Linienfaserbündel die gesamte Abtastbreite des Lasers erfassen, vorgeschalteten Zylinderlinsen und Spiegeln wird der durch veränderte Brechung an dem speziellen Glasfehler gegenüber dem normalen Strahlungsverlauf veränderte Verlauf selektiert. Nachteilig bei diesem Verfahren ist die spezielle Ausrichtung auf einen Fehlertyp und eine bestimmte Fehlergröße.

Ein breiteres Anwendungsfeld wird durch die DE 41 39 094 A1 erreicht. Gezielt wird durch die bekannten Methoden schräges Einstrahlen bzw. zentrale Aperturabschattung ein Dunkelfeld-Beleuchtungsverfahren zur kontrastreichen Abbildung von Defekten in Flachglasscheiben realisiert. Durch die bandförmige Beleuchtung und eine angepasste zeilenförmige Auswertung werden Flächenfehler nicht detektiert. Der Prüfaufwand ist auch hier relativ hoch. Außerdem ist zu beachten, dass für eine empfindliche Fehlerdetektion die Ausrichtung der Defekte in eine durch das Beleuchtungsband vorgegebene Vorzugsrichtung vorausgesetzt wird.

In der DE 19 80 95 OS A1 wird ebenfalls eine Anordnung mit zentraler bandförmiger Abschattung vorgestellt. Diese wird aufwendig durch Hilfsstrahlungsquellen ergänzt, die das Objekt aus verschiedenen Richtungen schräg mit parallelen Bündeln durchstrahlen. Damit sollen Defekte erkannt werden, die eine von der Bandabschaltung vorgegebenen Vorzugsrichtung abweichende Ausrichtung aufweisen.

Der in DE 198 24 623 A1 vorgestellte miniaturisierte Streulichtmesskopf ist ein sehr empfindliches Messmittel für die genannten kontrastarmen Defekte, die damit auch unterschieden werden können. Durch die verfahrensbedingte aufwendige punktförmige Inspektion der Objektoberflächen mit winkel aufgelöster Streulichtanalyse bleibt der Einsatz jedoch praktisch auf besonders bedeutende Einzelprüfungen beschränkt. Das Prüfobjekt selbst darf, wie bei den schon dargestellten Lösungen, nicht strukturiert sein.

Ein spezielles Verfahren zur Detektion von Flächenfehlern in Windschutz scheiben für Kraftfahrzeuge wird in der DE 39 37 559 A1 beschrieben. Mit Hilfe eines projizierten Rasters wird eine Brechkraftanalyse der Scheibe durchgeführt. Dazu wird das Bild des von der zu untersuchenden Windschutzscheibe beeinflussten Rasters mit einem Referenzraster überlagert und das entstehende Superponat mit Hilfe der Moire-Bildverarbeitung ausgewertet. Weil das für das Verfahren störende Bild der Objektscheibe bewusst unterdrückt wird, sind alle anderen eingangs genannten Fehler nicht nachweisbar.

Ein Verfahrensanspruch auf den Einsatz von Kontrastmustern, deren durch das Prüfobjekt beeinflusste Abbild auszuwerten ist, wird auch in der DE 197 41 384 A1 erhoben. Hier besteht die spezielle Aufgabe, damit die sehr mannigfaltig auftretenden strukturlosen, semitransparenten Verunreini gungen von transparenten Gegenständen, insbesondere von Flaschen, zu erkennen. Abhängig von der konkreten Objektform, der Objektgröße und der Fehlerart sind verschiedene Kontrastmuster vorgesehen. Es bleibt zu prüfen, ob mit angepassten Kontrastmustern die eingangs genannten Fehler mit hinreichender Empfindlichkeit nachzuweisen sind. Der Prüfaufwand wird damit jedoch relativ hoch.

Die in DE 197 31 545 C1 eingesetzte Matrix aus Punktlichtquellen löst die Projektion eines Rasters auf besondere Weise. Die Abbildungsoptik bildet die Punktlichtquellen selbst in die Bildebene ab. Die Darstellung ist jedoch auf die Flächenfehlerprüfung von Reflexionsflächen, insbesondere die fehler hafte Neigung der Oberfläche einer CD, beschränkt.

Zusammenfassend ist festzustellen, dass sowohl die genannten Verfahren der Kontrastmusterabbildung als auch die unter dem Begriff schräge Beleuchtung (Dunkelfeldbeleuchtung) zusammenfassbaren Verfahren nur Teillösungen der gestellten Prüfaufgabe liefern. Insbesondere liegen keine hinreichenden Lösungen für strukturierte Objekte vor.

Der Erfindung liegt deshalb die Aufgabe zu Grunde, Defekte eingangs genannter Art in und auf transparenten Objekten, die gegebenenfalls selbst strukturiert sind, insbesondere kontrastarme und visuell schwer erkennbare Defekte, wie sie beispielsweise beim Herstellungsprozess von Streuscheiben für Fahrzeugscheinwerfer entstehen, möglichst aufwandgering festzustellen. Das Verfahren soll sowohl für eine visuelle Prüflingskontrolle als auch für eine objektive Auswertung mit einem Bildverarbeitungssystem, ggf. unmittelbar im Herstellungsprozess der zu untersuchenden Objekte, geeignet sein, um Objekte mit nicht tolerierbaren Defekten zu selektieren. Darüber hinaus sollen die Defekte von ggf. am oder im Objekt vorgegebenen einfachen oder auch komplizierten Strukturen unterscheidbar sein.

Erfindungsgemäß wird die Aufgabe dadurch gelöst, dass das Objekt durch eine hinreichend kohärente Punktquelle beleuchtet wird. Mindestens ein lichtquellenseitig unmittelbar vor dem Objekt angeordnetes optisches Abbildungselement (Kondensor) bildet diese Punktquelle auf das Objektiv (vorzugsweise auf dessen Eintrittspupille) einer Kamera ab. Bedingt durch die von der hinreichend kohärenten Punktquelle ausgehenden ungerichteten Strahlen, bildet dieses Objektiv bei Fokussierung auf das Objekt ein Objektbild ohne erkennbare Defekte ab. Bei gezielter Defokussierung in Bezug auf das Objekt wird jedoch durch veränderte Phasenlage von Lichtquellenbild und Beugungsbild der als Phasenobjekte wirkenden Defekte ein kontrastreiches Bild der Defekte auf der Empfängerfläche der Kamera abbildbar. Die als Amplitudenobjekte wirkenden Objektstrukturen können damit von den als Phasenobjekte wirkenden Defekten unterschieden werden. Auf diese Weise können optisch alle Arten von Defekten detektiert werden. Insbesondere gelingt es, sehr kontrastarme Defekte unabhängig von einer vorgegebenen Objektstruktur, deutlich festzustellen, was mit der üblichen Anwendung der an sich bekannten Dunkelfeldbeleuchtung bisher nicht gelang.

Je nach Größe des Objektes oder des Defektbereiches kann das Objekt jeweils vollständig oder in Teilbildern erfasst werden.

Es ist vorteilhaft, zur Auswertung der Kamerabilder ein lemfähiges Bildverarbeitungssystem, beispielsweise unter Verwendung eines Neuronalen Netzes, einzusetzen. Es sind unterschiedliche Vorgehensweisen zur Fehler diskriminierung in den aufgenommenen Bildern möglich. Vorteilhafterweise werden zur Defekterkennung Bilder eines Objektes für mindestens zwei Fokuslagen erzeugt, welche einzeln oder in Beziehung zueinander ausgewertet werden können.

Grundsätzlich besteht das Bildverarbeitungssystem aus einem Modul zur Merkmalsgewinnung und einem lernfähigen Modul zur Klassifikation. Mit Hilfe des Moduls zur Merkmalsgewinnung wird in einem ersten Schritt eine Zuordnung verschiedener Strukturen in den Bildern zu ihrer örtlichen Lage im Bild vorgenommen. Beispielsweise kann dies durch Unterteilung des aufgenommen Bildes in Teilbilder oder durch eine Konturerkennung erfolgen. In einem zweiten Schritt folgt eine Berechnung von signifikanten Merkmalen, je nach Aufgabenstellung bzw. zu untersuchendem Objekt durch Anwendung von Verfahren der Bildverarbeitung, der Datenanalyse und/oder der Berechnung verschiedenster z. B. statistischer Parameter. Diese werden in einem Merkmalvektor zusammengefasst und einem lernfähigen Verfahren zur automatischen Klassifkation übergeben. Die Ergebnisse der Klassifika tion des Merkmalvektors durch dieses Verfahren hängen von einer vorher durchzuführenden Trainingsphase ab. In der Trainingsphase werden beispielsweise dem gesamten Bildverarbeitungssystem Trainingsdatensätze von Beispielobjekten mit bekannten Fehlerklassen präsentiert und dem lernfähigen Verfahren für jedes einzelne Beispielobjekt eine gewünschte Sollausgabe vorgegeben. In der späteren Detektion von Fehlern der zu untersuchenden Objekte entscheidet das Verfahren selbständig welcher Fehlerklasse die präsentierten Muster angehören. Auf diese Art und Weise ist nicht nur eine automatische Erkennung von Defekten der eintrainierten Fehlerarten, sondern auch eine automatische Selektion anhand vorgegebener Fehlertoleranzen möglich. Objektabhängig können auch geeignete Merkmale zur Klassifikation direkt ausgewertet werden.

Die Erfindung soll nachstehend anhand eines in der Zeichnung dargestellten Ausführungsbeispiels näher erläutert werden.

Es zeigen:

Fig. 1 Prinzipdarstellung des opto-mechanischen Aufbaus der erfindungs gemäßen Messanordnung mit angeschlossener Auswerteeinheit,

Fig. 2 Auswerteeinheit unter Anwendung eines lernfähigen Neuronalen Netzes.

In Fig. 1 ist eine Messanordnung zur Defekterkennung in bzw. an einem transparenten Objekt 1 in ihrem Prinzipaufbau dargestellt. Das zu untersu chende Objekt 1 befindet sich auf einer Transport- und Positionier einrichtung 2, die beispielsweise in eine aus Übersichtsgründen nicht in der Zeichnung offenbarte Fließlinie des Herstellungs- oder Bearbeitungs prozesses integriert ist, um Objekte 1 mit nicht tolerierbaren Defekten automatisch im Prozess zu erkennen und selektieren zu können. Das Objekt 1 wird mit einer Lichtemitterdiode 3 durchleuchtet, wobei die Strahlung der Lichtemitterdiode 3 über einen unmittelbar vor dem Objektiv 1 angeordneten Kondensor 4 auf ein Kameraobjektiv 5 einer Matrixkamera 6 abgebildet wird. Das Kameraobjektiv 5 ist auf unterschiedliche Ebenen im Bereich des Objektes 1 fokussierbar, wobei die mit der Fokussierung gewählte Ebene jeweils auf eine Empfängerfläche 7 der Matrixkamera 6 abgebildet wird. Bei einer Objektivfokussierung a wird das Kameraobjektiv 5 exakt auf diejenige Ebene eingestellt, in welcher sich das Objekt 1 befindet. Bei dieser Fokussierung wird das Objekt 1 scharf auf die Empfängerfläche 7 der Matrixkamera 6 abgebildet, so dass auch seine eventuell vorhandenen Objektstrukturen zur Unterscheidung von festzustellenden Objektdefekten, die in der Objektivfokussierung a nicht erkennbar sind, sichtbar gemacht werden. In Objektivfokussierungen b und c wird das Kameraobjektiv 5 jeweils auf eine Ebene vor oder hinter die Ebene mit dem Objekt 1 eingestellt. Bei vorhandenen Objektdefekten entstehen dabei durch veränderte Phasenlage von Lichtquellenbild und Beugungsbild der Defekte kontrastreiche Defektkonturen, die auf die Empfängerfläche 7 abgebildet werden. Bei Fokussierung auf eine objektivseitige Ebene vor dem Objekt 1 (Objektivfokussierung b) entsteht ein helles Defektbild, und bei Fokussierung auf eine quellenseitige Ebene hinter dem Objekt 1 (Objektivfokussierung c) entsteht ein dunkles Defektbild in Bezug auf die Hintergrundhelligkeit. Die unterschiedlichen Objektivfokussierungen a, b, c lassen somit (abhängig von der Einstellung des Kameraobjektivs 5) sowohl ein Objektbild ohne erkennbare Defekte (jedoch mit ggf. vorhandenen Objektstrukturen) als auch ein Objektbild mit kontrastreichen Bildern vorhandener Defekte auf der Empfängerfläche 7 der Matrixkamera 6 erfas sen. Für eine gesteuerte Fokussierung sind angepasst auf die konkrete Prüfaufgabe verschiedene an sich bekannte Autofokusverfahren einzusetzen. Im Ausführungsbeispiel werden die Objektfokussierungen a, b, c in einem kontinuierlichen Durchfahren eines Fokusbereiches, der mit Sicherheit die Objektfokussierungen a, b, c, enthält, aufgefunden.

Auf diese Weise können auch ansonsten schwer erkennbare kontrastarme Defekte deutlich dargestellt, von vorgegebenen Objektstrukturen unter schieden und wahlweise manuell oder automatisch ausgewertet werden. An die Matrixkamera 6 ist dazu eine Auswerteeinheit 8 angeschlossen, die im Fall einer manuellen Kontrolle der Objekte 1 aus einem Monitor bestehen kann und die für eine automatische Bildauswertung ein lernfähiges Bildverarbeitungssystem enthält.

In Fig. 2 ist die Matrixkamera 6 mit einem lernfähigen Bildverarbeitungs system als Auswertestufe 8 gekoppelt. Dieses besteht aus einem Modul 9 zur Merkmalsgewinnung und einem Neuronalen Netz 10. Mit Hilfe des Moduls 9 zur Merkmalsgewinnung erfolgt die Unterteilung des mit der Matrixkamera 6 aufgenommen Bildes in Teilbilder. Jedem Teilbild wird dabei ein zugehöri ges Koordinatenwertepaar (x_i, y_i ) zugeordnet, so dass jedem erkanntem Fehler ein Ortsbereich zugewiesen wird. Anschließend erfolgt die Berechnung verschiedener statistischer Parameter, im einfachsten Falle des Histogrammes der Grauwerte, in den Teilbildern. Diese werden zu einem Merkmalsvektor zusammengestellt und nachfolgend durch das Neuronale Netz 10 klassifiziert. Die Klassifikationsfähigkeiten des Neuronalen Netzes 10 hängen von einer vorher durchzuführenden Trainingsphase ab. In dieser werden dem gesamten Bildverarbeitungssystem Bilder mit bekannten Fehlerklassen präsentiert und dem Neuronalen Netz 10 eine gewünschte Sollausgabe vorgegeben. Die Einteilung der Bilder in die gewünschten Fehlerklassen erfolgt durch einen Trainer 11, welcher mit der zu lösenden Problemstellung vertraut ist. Bei der späteren automatischen Detektion von Fehlern entscheidet das Neuronale Netz 10 selbständig, welcher Fehlerklasse das präsentierte Bild angehört. Durch eine an die Auswerteeinheit 8 anschließbare Steuerstufe 12 wird abschließend eine Selektion der untersuchten Objekte 1, beispielsweise die Aussonderung aus dem Herstellungs- oder Bearbeitungsprozess, sowie die Einstellung der Objektivfokussierungen a, b, c des Kameraobjektivs 5 vorgenommen.

Aufstellung der verwendeten Bezugszeichen

1

Objekt

2

Transport- und Positioniereinrichtung

3

Lichtemitterdiode

4

Kondensor

5

Kameraobjektiv

6

Matrixkamera

7

Kamerachip

8

Auswerteeinheit

9

Modul zur Merkmalsgewinnung

10

Neuronales Netz

11

Trainer

12

Steuerstufe
a, b, c Objektivfokussierungen

Claims

1. Verfahren zur Erkennung von Defekten in und an transparenten Objekten, bei dem das Bild des zu untersuchenden und durch eine punktförmige Strahlungsquelle durchleuchteten Objektes mit einer Kamera zur visuellen Kontrolle und/oder zur Auswertung mit einer Bildverarbeitungssoftware aufgenommen wird, dadurch gekennzeichnet, dass das Objekt mit einer von der punktförmigen Strahlungsquelle ausgehenden hinreichend kohärenten Strahlung über mindestens ein optisches Abbildungselement beleuchtet wird, welches die Strahlungsquelle auf ein Objektiv der Kamera abbildet, das zur Erzeugung wenigstens eines Objektbildes auf mindestens eine Ebene im Bereich des Objektes fokussiert wird, und dass das Kamerabild jeweils in Bezug auf durch die hinreichend kohärente Strahlung und die damit verbundenen Interferenzeffekte bei der optischen Abbildung des Objektes hervorgerufenen kontrastreichen Defektstrukturen kontrolliert bzw. nach Grauwerten ausgewertet wird.

2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass das Objektiv der Kamera nacheinander auf mindestens zwei unterschiedliche Ebenen im Bereich des Objektes fokussiert wird.

3. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass jedes Kamerabild mit einer lernfähigen Bildverarbeitungssoftware nach Graustufen ausgewertet wird.

4. Verfahren nach Anspruch 3, dadurch gekennzeichnet, dass die Bild verarbeitungssoftware das Kamerabild jeweils in auszuwertende Teilbilder für die Merkmalsgewinnung zerlegt.

5. Verfahren nach Anspruch 3, dadurch gekennzeichnet, dass die Bildverar beitungssoftware aus dem Kamerabild eine Liste von Konturen für die Merkmalsgewinnung erzeugt.

6. Verfahren nach Anspruch 4, dadurch gekennzeichnet, dass jedem gewon nenen Merkmal ein Koordinatenwertepaar (x_i, y_i) zugeordnet wird, um einem Defekt jeweils einen Ort zuzuordnen.

7. Verfahren nach Anspruch 3, dadurch gekennzeichnet, dass das Kamerabild mit einem lernfähigen Neuronalen Netz ausgewertet wird.

8. Verfahren nach Anspruch 7, dadurch gekennzeichnet, dass zur Berechnung des Merkmalsvektors als Eingabe für das Neuronale Netz an sich bekannte Methoden der Bildverarbeitung, der Datenanalyse und statistische Merkmale von Bildern einzeln oder in Kombination Verwendung finden.

9. Vorrichtung zur Erkennung von Defekten in und an transparenten Objekten mit einer punktförmigen Strahlungsquelle zur Durchleuchtung des Objektes und mit einer Kamera zur Aufnahme des Bildes vom durchleuchteten Objekt, dadurch gekennzeichnet, dass zur Beleuchtung des zu untersuchenden Objekts (1) eine Punktlichtquelle (3) mit hinreichend kohärenter Strahlung in Verbindung mit mindestens einem optischen Abbildungselement (4) vorgesehen ist, welches die Punktlichtquelle (3) auf ein Objektiv (5) der Kamera (6), abbildet, und dass das Objektiv (5) zum Zweck der Erzeugung wenigstens eines Objektbildes in der Empfängerebene der Kamera (6) auf mindestens eine Ebene im Bereich des Objektes (1) fokussierbar ist.

10. Vorrichtung nach Anspruch 9, dadurch gekennzeichnet, dass als punktförmige Strahlungsquelle (3) zur Durchleuchtung des zu untersuchen den Objektes (1) eine Lichtemitterdiode vorgesehen ist.

11. Vorrichtung nach Anspruch 9, dadurch gekennzeichnet, dass das mindestens eine optische Abbildungselement (4) mit einer Fresnellinse realisiert ist.

12. Vorrichtung nach Anspruch 9, dadurch gekennzeichnet, dass das zu untersuchende Objekt (1) in möglichst geringem Abstand zu dem mindestens einen optischen Abbildungselement (4) angeordnet ist.

13. Vorrichtung nach Anspruch 9, dadurch gekennzeichnet, dass an die Kamera (6) ein Monitor zur visuellen Kontrolle angeschlossen ist.

14. Vorrichtung nach Anspruch 9, dadurch gekennzeichnet, dass an die Kamera (6) eine Auswerteeinheit (8) mit einer lernfähigen Bildverarbeitungs software angeschlossen ist.

15. Vorrichtung nach Anspruch 9, dadurch gekennzeichnet, dass die Auswerteeinheit (8) einen Modul (9) zur Merkmalsgewinnung und ein Neuronales Netz (10) enthält.

16. Vorrichtung nach Anspruch 9, dadurch gekennzeichnet, dass das Objek tiv (5) von der Kamera (6) zum Zweck seiner Fokussierung auf unterschied liche Ebenen im Bereich des Objektes (1) mit einer Steuerstufe (12) gekoppelt ist.

17. Vorrichtung nach Anspruch 16, dadurch gekennzeichnet, dass die Steuer stufe (12) mit der Auswerteeinheit (8) in Verbindung steht.