依据自动化生产需求 部署整合机器视觉系统
- DIGITIMES企划
-
机器视觉用于产线自动化应用得以实践的关键在于，撷取加工料件的影像分辨率更高、撷取速度更快，再搭配高效能的影像分析演算法处理大量工件的自动比对、分析，但要达到这些要求，除机器视觉拍摄模块需在分辨率与效能提升，也必须整合更高效的图像分析模块增加视觉系统的反应速率…
以目前自动化生产所需的机器视觉设备使用趋势观察，机器视觉系统必须在拍摄分辨率、拍摄效能与影像实时分析等各个关键功能持续提升，才能满足业界对机器视觉的导入需求，尤其是为了增快视觉系统的分析准确度与作为自动化设备的决策依据，视觉系统的整体处理效能也必须提升。
比对工件图像特徵 机器视觉发挥实际效用
因为只要速度获得改善，机器视觉用于产线不仅可以提升产线的处理速度、可处理更多加工物件，即便在生产速度变动不大状况下，更快速的处理效能也能透过生产过程影像持续比对分析，逐一检视每个加工物件更多产品特徵，提升自动化加工设备的生产良率，简化加工件重作或是维修浪费的处理成本。
为让产线的机器视觉系统更具实用价值，识别加工料件更多特徵成为关键，而增加识别能力、比对更多特徵的前提须要系统提供更大量、实时的影像分析，为了达到性能要求，不仅在撷取视讯端、或是前端的影像实时分析引擎，都需要依效能强化前提进行深度软？硬件整合，才能使得机器视觉的整体效能向上提升。
机器视觉已深入产业 应用多元
而机器视觉相关应用已充斥日常生活，例如二维条码、车牌分析识别等，但相较多元化的机器视觉应用情境，机器视觉技术会更趋实用化的关键，仍是在于机器视觉的整合应用方向！
在众多产业中，机器视觉已经深入自动生产应用中，成为不可或缺的技术方案，例如，在汽车产业的机器视觉应用，可以涵盖汽车零组件的产线、安装零组件的组装精度提升、车体材料二维条码识别、生产履历纪录、齿轮？轮轴缺陷分析检测、引擎组装检测等，若这些工作都由人力或搭配生产治具验证关键加工料件，原有的自动化产线生产效能也会受到人力操作影响。
机器视觉应用不但提高生产效能，同时也能大幅降低生产成本，不仅从生产时透过实时快速的分析比对把问题料件提前在组装前排除，减少二次加工、查错成本，利用机器视觉取代精度相对较不高的人眼识别，也能提升分析比对的精密度，让生产效能进一步大幅提升，进而提升产品的品质与生产效能。
机器视觉GIGI应用自动化产线整合关键
对于自动化系统而言，机器视觉已是自动化系统重要且关键的环节，对系统整合商而言不仅要针对自动化生产机组搭配最适化的机器视觉系统，也需要提供硬件、软件与技术支持，包含数码摄影机、光学镜头、辅助拍摄的稳定光源、影像撷取卡或搭配的分析比对软件，若是整合方式是利用PC平台搭配影像撷取卡进行拍摄影像撷取、数码化，再由高效能PC进行撷取影像的分析与比对，相对采嵌入式架构的机器视觉系统虽在分析比对时可取用更丰沛的运算资源进行，但也因为摄影前端还需搭配后端PC服务器进行，增加与生产机具整合的复杂度。
而在机器视觉应用领域中，主要为实践Gauge(量测)、Inspection(检测)、Guide(引导定位)、Identification(识别)；简称GIGI的4个使用面向的综合型整合应用，同时整合原有生产商的自动化机具与生产技术，组成更趋完整的自动化产线。
产线导入机器视觉应用也可分前述的PC-Based整合型式或是单机型态的整合型是，对PC-Based的用户而言使用现场须有程序整合能力，因为视讯撷取后透过撷取卡数码化与传递到PC服务器后，就必须仰赖分析软件与自动化控制整合软件进行二次整合，软件开发需有程序开发能力的软件工程师执行系统整合与设计，但这种型态导入设备会在开发时程拉的较长、对于一般性的自动化机具整合反而徒增整合困扰，较适合在市场找不到对应的机器视觉方案之选择、或是机器视觉将会使用在较独特的加工制程辅助，才较有投入整合效益。
PC-Base整合复杂度高 单机方案可满足多数需求
对于一般性的机器视觉应用，其实现有的高度整合方案即可符合多数生产应用需求，搭配All-in-one的单机型机器视觉设备进行整合，对自动化工程师来说仅需基本自动化与机器视觉概念搭配实务整合经验，就能运用机器视觉套装软件来为单机设备进行系统参数设定，而与生产机具的整合也会较PC-Based整合方案更简单、耗费整合更少。
机器视觉设备，除软件与分析系统整合难度问题外，另一个影响机器视觉识别效果的关键就在影像撷取的品质，仔细分析影响品质的关键主要会有几个面向需要讨论，像是影像的清晰度、细节、亮度与对比等，影像的清晰度与细节，可以透过导入更高分辨率的图像撷取摄影设备改善，或使用光学品质更好的镜片组提升效果，而工件拍摄的亮度表现，可以利用固定光源改善生产环境的光源变化问题，让拍摄机器视觉影像更趋清晰、可辨，而要在工件打出好的甫状光源也是有学问的，一般可搭配机器视觉优化拍摄品质的光源种类，会有LED、萤光灯、卤素灯等光源选择。
改善加工件补光 撷取影像、分析成果同步升级
以LED光源来说，因为是固态光源与IC制程整合，因此LED本身具备可点亮速度快、固态光源可适应各种形状布置补光方式，也可刻意制成复杂形状进行光源补充，甚至可以透过使用不同LED元件提供不同光色或特殊用途光谱的辅助光源提供。至于萤光灯光场的光源特性较显着的反而是成本低、亮度也较LED高，所打出的光场较LED光源更匀称。卤素灯虽然亮度特别高，但实际上光源会产生高热、较耗电等问题，在实际补光施作会搭配光纤传输光源应用。
对IT系统整合常会谈到Garbage in,Garbage out的观念，对机器视觉应用来说也同样适用，因为在自动化产线设备前端好的影像品质，就等于达到建置机器视觉的目标的一半，另一大半则需要搭配更精准的现场补光施作，让撷取图像更趋完美，减轻后端进行影像分析还需要预先进行影像强化、亮度提升等图像处理，过度处理的撷取图像也会因多重处理造成影像品质劣化、增加图片的噪讯杂点，甚至影响分析识别效果。
工件补光仰赖实作经验 设置完成仍须维持品质
而现场打光，虽可针对工件局部进行辅助，但实际上打光可不是拿盏灯摆上就算了！一般来说光线太暗，会影响机器视觉系统正常运作，光线太亮也会因为工件无法判别边缘或反差不够，造成影像分析决策没有足够参考信息，容易出现误差。而现场照明应用主要是提供影像撷取设备足够的图像采样能力，同时也可降低图像采样的噪讯，而补光的重点在于透过光源补充自目标物达到机器视觉摄影设备镜头的光线，才是有效的补光措施，而不是产线现场有几盏路灯、照明灯具问题。
而在补光确定光源后，系统上线也需注意设备的维护处理，因为不同光源会有不一样的寿命与亮度表现，例如LED虽寿命较长，但也会有光衰问题产生，如何提早发觉光源出现光衰问题及早更换光源组件，避免影响生产设备运行，也是需要注意的问题。至于萤光灯、卤素灯在光源亮度表现较趋一致，但遇到灯具寿命到了或是故障大多直接暗掉无法使用，补光设备的后期维护视光源不同也需准备对应维护方案提升机器视觉表现稳定性。
而在机器视觉生产现场部署上，其实除了撷取影像的摄影设备镜头、辅助光源外，其实也会用到不少光学处理器件，例如用来改变光路的反射镜，另还有分光器、菱镜等改变光路径或光型等光学器件，另滤光片可以修改光源的光谱表现、漫射片可以柔化光源表现，增加光源的均匀效果，偏光片可以对抑制高反光性的金属或电镀工件反光问题，或将机器视觉使用于应力检测的现场时，透ˋ偏光镜让应力状况可以更明显呈现，另还有先前提过的辅助引导光源使用的光纤光学器件等，都是生产现场部署机器视觉常见的光学器件选择重点。
