Menschen und Märkte

Prophesee und Framos sind offizielle Partner für Prophesee Metavision® Lösungen

Prophesee und Framos sind offizielle Partner für Prophesee Metavision® Lösungen

Framos, weltweit führender Anbieter von Embedded Vision Lösungen, bietet nun auch Prophesee Produkte an und damit herausragende Machine Vision Technologie für die Industrie 4.0 und industrielle IoT-Anwendungen.

Prophesee SA, Entwickler fortschrittlichster neuromorpher Bildverarbeitungssysteme, und Framos, Anbieter von Embedded Vision Lösungen und 3D-Kameras für industrielle Anwendungen, haben vereinbart, dass FRAMOS als weltweiter Distributor für die innovativen Metavision® Bildverarbeitungsprodukte dem Prophesee Partnernetzwerk beitritt. Im Rahmen dieser Partnerschaft kann Framos seine Projektpalette in Bereichen wie Robotik, Automatisierung und Industrie 4.0 erweitern und mit den bahnbrechenden Event-basierten Vision-Lösungen von Prophesee leistungsfähige kundenspezifische Bildverarbeitungssysteme entwickeln, die sich durch einen niedrigen Energiebedarf auszeichnen.

Im Rahmen der Kooperation ermitteln Framos und Prophesee Möglichkeiten, wie sich die Vorteile der Event-basierten Vision-Technologie in den wichtigsten industriellen Anwendungen nutzen lassen, beispielsweise in der Produktionsautomatisierung und Qualitätssicherung. Zu den wichtigsten Bereichen zählen die Fertigung, Fabrikautomatisierung, Robotik, Machine Vision Systeme sowie wissenschaftliche und medizinische Geräte.

Vermarktung von Event-basierter Vision-Technologie

Die Metavision Plattform basiert auf der wegweisenden Entwicklung der Event-basierten Bildverarbeitung von Prophesee. Hierbei werden neuromorphe Erfassungs- und Computertechniken eingesetzt, um das menschliche Auge und das Gehirn nachzuahmen und somit die Effizienz zu steigern. Bei den Prophesee Metavision Sensoren arbeitet jedes Pixel unabhängig und asynchron; es aktiviert sich nur dann, wenn es eine szenische Veränderung erkennt, beispielsweise eine Bewegung oder ein Ereignis. Dieser proprietäre Event-basierte Ansatz reduziert den Energiebedarf und die Latenzzeit erheblich und er verringert die Anforderungen an die Datenverarbeitung konventioneller bildbasierter Systeme.

"Prophesee hat seine neue Bildverarbeitungslösung weiterentwickelt und mehrere Folgegenerationen herausgebracht, wodurch sich die Lösung zunehmend auch für viele kommerzielle Anwendungen eignet. Im Zusammenspiel mit einer robusten Entwicklungsumgebung, einschließlich der Tools, Bibliotheken und Datensätze, und einer offenen Entwicklungsplattform, die die Integration auf der Systemebene erleichtert, ist diese Lösung hervorragend geeignet, um die zukünftigen Machine Vision Anforderungen unserer Kunden zu erfüllen", sagt Dr. Andreas Franz, CEO von Framos.
 
"Ein Partner wie Framos ist für uns ganz entscheidend, um die Vermarktung unserer Event-basierten Vision-Plattform im Bereich der industriellen Automatisierung weiter voranzubringen. Durch die Kombination unserer Fachkenntnisse und Technologien können wir nun die Herausforderungen auch in ganz speziellen Anwendungsfällen der industriellen Bildverarbeitung meistern und Lösungen anbieten, mit denen sich bei der Produktivität, Effizienz und Sicherheit messbare Erfolge in vielen Branchen ergeben", sagt Luca Verre, CEO und Unternehmensgründer von Prophesee.

Die Metavision Plattform stellt hocheffiziente Bildverarbeitungsfunktionen für viele verschiedene Anwendungsfälle bereit – dazu gehören die ultraschnelle Teilezählung sowie die Messung und Überwachung von Schwingungen und mechanischen Bewegungen für eine vorbeugende Wartung. Systementwicklern können mit dem Sensor industrielle Anwendungen optimieren und völlig neue Einsatzfelder erschließen, z.B. bei der schnelleren Qualitätsbeurteilung an Produktionslinien, bei der Positionierung, Erfassung und Bewegungsführung in der Robotik zur Verbesserung der Mensch-Roboter-Kollaboration und bei der Überwachung von Anlagen (z.B. bei Vibrationen oder Bewegungsabweichungen), wodurch die vorbeugende Wartung verbessert und Ausfallzeiten reduziert werden können.