Im Forschungsverbund OASYS „Optoelektronische Sensoren für anwendungsnahe Systeme“ am Fraunhofer IPMS entsteht eine energieeffiziente Hyperspektralkamera mit KI-Auswertung in Echtzeit.
Das Teilprojekt A1 verfolgt das Ziel, komplexe Material- und Qualitätsanalysen energieeffizient und in Echtzeit zu ermöglichen. Kern des Systems ist ein integriertes Spektrometer, das spektrale Informationen erfasst und chemische Eigenschaften sichtbar macht, die für das menschliche Auge nicht erkennbar sind.
Die Kamera nutzt eine zweistufige Messstrategie. Zunächst erzeugt eine konventionelle 2D-Kamera ein hochaufgelöstes Bild des Objekts. Eine KI wertet dieses Bild in Echtzeit aus und bestimmt automatisch relevante Bereiche, sogenannte Regions of Interest. Nur an diesen Positionen wird anschließend eine hyperspektrale Messung durchgeführt, um die chemische Zusammensetzung zu bestimmen.
Der selektive Ansatz reduziert den Aufwand gegenüber klassischen hyperspektralen Kameras erheblich, da nicht das gesamte Bild spektral erfasst werden muss. Dadurch sinken Datenvolumen, Energieverbrauch und Rechenzeit. Die Technologie eignet sich unter anderem für die Sortierung von Textilien und Kunststoffen, für die Erkennung von Materialabweichungen sowie für Anwendungen in der Qualitätskontrolle.
Weitere Einsatzfelder liegen in der Lebensmittelverarbeitung, etwa beim Erkennen von Druckstellen oder Mängeln, sowie in der Landwirtschaft zur Beurteilung des Pflanzenzustands und des Nährstoffbedarfs. Die automatisierte Auswertung beschleunigt Entscheidungsprozesse und erhöht deren Reproduzierbarkeit.
„Mit der kompakten hyperspektralen Kamera aus OASYS A1 schaffen wir eine Technologie, die analytische Verfahren dorthin bringt, wo sie gebraucht werden: direkt in Produktionslinien, Sortieranlagen oder auf das Feld“, sagt Heinrich Engelke, Projektverantwortlicher am Fraunhofer-Institut für Photonische Mikrosysteme IPMS.
Die im Projekt entwickelten Komponenten sollen als Grundlage für weitere sensorische Systeme dienen. Ziel ist es, Analysefunktionen näher an laufende Prozesse in Industrie, Recycling sowie in der Agrar- und Lebensmittelbranche zu bringen.