机器视觉成产线自动化关键应用

机器视觉系统已开始广泛用于产线之中。IBM

工业4.0及智能制造已成为各产业必然的发展趋势，由于在生产制程上，机器视觉与运动控制系统进行整合，可有效提高自动化的效率，也让机器视觉因此成为智能制造相关技术及应用的焦点。

机器视觉的原理，主要是透过光学装置和非接触传感器，自动获取目标对象影像，再由影像处理设备根据所得影像的像素分布、亮度和颜色等信息，加以运算处理及判别分析，提取所需的特徵信息，或是根据判别分析的结果，对现场设备进行运动控制。

机器视觉的主要作用，就是用来代替人眼，进行非接触式的测量和判断，希望能借此提高加工精密度、发现产品缺陷，甚至自动分析决策。目前在欧美已开发国家涉及生产加工、品质监别的生产线，都已开始使用机器视觉系统。

如德国Schaeffler集团与IBM合作，运用Watson IoT开发数码分身(Digital Twins)，藉由机器视觉与模拟技术，迅速掌握各种未结构化音讯、影像及视讯等数据，协助管理者做出明智决策，如工业设计师可藉由机器视觉，在生产在线找出瑕疵，落实预测性维护的准备，指导制造作业中从设计到服务的每个步骤，并从设计与工程层面，延伸到制造系统与互连产品正在处理中的作业。

透过机器视觉，不仅可以持续监控并回报生产线的状况，还可作为机器学习的参考基础。如IBM使用数百万张组装在线的产品图片来训练认知视觉系统，可以侦测肉眼看不到的细微瑕疵，也能避免成本高昂的生产错误，应用范围从晶圆缺陷、电路板、手机表面扫描、汽车涂装甚至行进中火车的异常现象等无所不包。

以汽车烤漆为例，它是汽车制造业最昂贵的步骤之一，且占了半成品库存的40%，但导入IBM视觉检测之后，工厂就能进行视觉分析，可协助制造业者减少80%检测时间，并减少10%来自烤漆过程的瑕疵。

机器视觉应用于产线自动化的价值

在过去几年里，机器视觉控制无论是在理论上还是在应用方面都有很大的进步。早期的机器视觉系统，采用的是静态look and move形式，即先由视觉系统采集图像并进行相应处理，然后通过计算估计目标的位置来控制机器人运动。

这种操作方式的精度，因为很难让机器人跟踪运动物体，多半都是应用在简单物件的快速识别，无法应用在快速及高视觉解析的超精密加工制程上。

但随着电脑及影像处理的软硬件技术快速发展，视觉信息已可用于连续反馈，克服模型(包括机器人、视觉系统、环境)中存在的不确定性，提高视觉定位或跟踪精度。

现在的机器手臂利用机器视觉，已经可以拾取散堆零件、检测反光表面、脸部识别等，更有部份机器人已将机器视觉作为标准配备，不再需要加装夹治具等固定装置，不但可节省生产单元的成本支出，更可弹性地应用在组装制程中。许多制造业如电子业、半导体业、汽车业、与航太业等，都已开始利用机器视觉，达到自动化与提升品质的目标。

工研院IEK指出，随着人工成本的持续增加，机器人应用于生产线的需求将会持续增加，也会因此衍生出更多与机器视觉有关的选购需求。如在照明方面，可以用来改善机器视觉信息的清晰度与独特性，选购要素有强度、范围、光谱分布、与温度等。

光学镜头方面，主要考量为汇聚外部光以进入传感器，选购要素有几何、色差、准直、光谱与投影效果等；可以将光信息转换成电子信号的影像传感器，选购要素有像素、敏感度、范围、光轴校准等；电子信号传输界面的选购考量，在于能否将多台照镜头与电脑轻易地连接起来，并且利用网络系统传输至更远的距离，以有效降低布线成本。

除了硬件外，影像处理软件也是机器视觉系统不可或缺的一环。由于影像信息必须经过萃取且转换成量测信息，需要相关软件担任光信息的转换工具，进而利用CAD档案与3D信息进行比对，借此判定3D物件的可能姿态，再进行后续的作业程序。

若将机器视觉应用于机器人或机器手臂，还可强化机器人对周边环境的掌控力，以配合可重组性、弹性的应用产业需求。此外，未来的机器人技术将会着重在学习性演算法与自主控制，未来只要操作员示范正确的工作方式，机器人就可透过机器视觉，快速地复制与执行，让机器人得以在开放的、变动的、与非结构化的环境中工作。

产品性价比是发展关键

虽然机器视觉不管在技术或应用面，都有长足的进步，但应用于智能制造领域，仍有一些有待突破的挑战。如在技术方面，由于组成机器视觉系统所涉及的专业相当复杂，在高端领域的系统设计和实现的难度只会不断的增加。如为了要因应产线生产商品的不同，有用到机器视觉系统的工站，必须时常对应调整，系统重组调校的异动频度自然也会比较高，设置弹性的要求，也会比常规监控设备复杂得多。

因此，要设计出能够应用于各种产品或产业需求的机器视觉系统，自然也会更加困难，也可能导致针对特殊产业的需求来开发，会是目前机器视觉技术发展的重要走向。

另一个机器视觉系统的发展方向，则是会朝小型化发展，甚至会设法将影像信息自动分析系统整合到系统中，让机器视觉装置成为用户更容易使用的专业工具。

在实用性方面，机器视觉产品及系统的多样化、个性化方案和专业化服务将日益重要，如针对半导体对晶圆或芯片的产出质检，机器视觉可用近拍模块轻松将工件标的放大检视制作细节，透过高精度、高倍率放大检视，可将制作瑕疵在生产前段即就完成排除，避免人类肉眼视觉无法判别过小的工作制作进度，而衍生的额外成本损失。

但在产品小型化技术的不断发展中，也必须逐渐克服以往机器视觉装置运行过程过于复杂的缺点，能够在用户所提供的有限条件和有限空间内实现其应用。

机器视觉产品的性价比，可能是当前机器视觉市场发展中的重要因素，包括产品应用的广泛性，以及产品能否直接创造价值，都会影响机器视觉未来的成本与可获得的效益。由于用户对机器视觉技术的高期望值，与视觉装置软硬件研制的高开发成本，容易导致市场发展过程中的供需矛盾，如何透过技术改进和提高产品性价比，将是缩短供需两端落差的关键。

机器视觉与肉眼视觉彼此应互补

因应现阶段制造业的自动化需求，应用机器视觉技术控制产线设备，可以协助人类从事相对简单但辛苦的工作内容，避免人员作业的不稳定性与潜在风险，检测人员未来可以透过学习能力与应变性，改为从事变异性大或复杂度高的工作内容，如检测更能提升附加价值的差异化产品，或者是满足特定顾客需求的定制化产品，肉眼视觉及机器视觉彼此互补，才能将工厂制造效率发挥到极致。