边缘运算、AI学习、ROS开源平台成机器视觉新关键

今后机器视觉不仅背负品质检测的被动使命，更需扮演主动积极的角色，让机器人具有如眼睛般的视觉系统，不需历经繁复导引即可运作。

伴随消费性产品生命周期缩短、人工成本攀升，加上消费者对产品的需求渐趋多样化，让制造商普遍面临吃重压力，亟思改造传统生产模式，因而促使工业4.0、智能工厂、工业物联网跃为当今业界的主流思想，连带助长机器视觉应用的发展。

凌华科技IoT策略解决方案与技术事业处产品经理梁雅森认为，未来机器视觉应用的发展走向，将受到三个关键趋势的影响牵引，不仅为机器视觉带来新机遇，亦衍生新的挑战课题。

首要趋势是，随着大数据蔚为风潮，企业对数据处理效能的要求不断升高，陆续导入分散式运算、云端运算、雾运算或边缘运算；影响所及，机器视觉的运用范畴必须随之改变，不宜再受限于量测(Gauge)、定位(Inspection)、导引(Guide)、识别(Identification)等「GIGI」传统格局，需要具备运算与分析能力，并能与其他设备协同工作。

其次随着万物联网，设备与设备之间须透过网络协同沟通，导致OPC-UA、ROS2(Robot Operating System 2.0)、DDS(Data Distribution Service)及MQTT等通讯技术方案愈趋重要，势将影响机器视觉应用发展格局。

最后制造商有监于产品生命周期短暂，期望加快制程速度，迅速因应市场变化，故急欲导入易于使用、快速上手的生产解决方案，以缩减学习成本与导入时间，驱使机器视觉软件朝向简单易用、友善界面等方向设计。

注入创新技术，机器视觉变身智能工厂要角

梁雅森表示，可以预见，今后机器视觉不仅背负品质检测的被动使命，更需扮演主动积极的角色，让机器人具有如眼睛般的视觉系统，不需历经繁复导引，即可轻易执行入料、提料、夹爪或收料等诸多作业；因此机器视觉一方面需加入实时收集、分析与处理大量数据的能力，二方面需与其他设备密切沟通，如何与时俱进支持边缘运算(Edge Computing)、OPC-UA(OPC Unified Architecture)、ROS 2，及视觉导引机器人(Vision Guided Robotics；VGR)等先进技术，让自己更迎合高效、精准、快速反应的智能制造需求，成为新的课题与挑战。

依边缘运算而论，传统的机器视觉应用，镜头与运算单元(IPC)彼此分离，但伴随数据量愈来愈大、对运算能力的要求愈来愈高，致使镜头必须转型为边缘运算节点，对数据先行处理，分担运算单元的负担。

接着谈到OPC-UA，是一种运用于工业自动化的机器与机器沟通协定，让智能工厂中的异质平台或设备，能相互沟通、交换数据；以往机器视觉欲与PLC、I/O及运动控制等设备沟通，需借助各种专属协定或定制化功能，徒增整合难度，尔后可透过OPC-UA化解难题。

至于ROS2与VGR的导入，可让机器人或AGV获得机器视觉的辅助，提升工作效率、强化协同作业能力。ROS是开源的机器人操作系统，而ROS 1与ROS 2前后代版本的主要差异，在于前者奠基于TCP/IP，后者则立基在「UDP＋DDS」架构，对于设备与设备的实时数据共享及安全性，有着更强的支持能力；截至目前，全球主要机器人厂商皆支持ROS 2，采用共通的SLAM、Navigation、Perception及Manipulation等资源与演算法，彼此沟通无碍，也为机器视觉营造至为宽广的舞台，未来不再仅是工厂内的独立元件或工作站，能轻易串联不同厂牌的机器手臂、AGV或其他设备，藉由VGR的全新样貌，实现各种智能制造应用场景。

梁雅森接着说，欲厘清机器视觉的技术发展与应用方向，除应考量前述趋势，另需关注「深度学习」议题。深度学习并非新技术，主要藉由类神经架构施以训练，使机器如同人脑般做出分辨、决策与预测，以往借助高效能CPU执行，但成本高昂及处理历程冗长，近年拜GPU技术精进所赐，提供明显优于CPU的图像处理效能，使深度学习不再是过去低CP值的技术，今后可望进一步结合机器视觉应用，产生更大综效。

展望2018年，凌华希冀以快速导入为前提，提供更具效益价值的工业4.0、智能工厂、工业物联网等完整方案，遂将边缘运算、ROS 2、深度学习列为发展重点，期望透过这些创新技术的加持，强化智能镜头、视觉图像系统等机器视觉产品阵容。详请请参考官网。