自动化、智能化工厂整合关键 机器视觉重要性与日俱增

机器视觉模块具备多元连接界面，便于与生产自动化设备进行整合。Adlink

机器视觉的众多应用中，以工厂生产自动化、智能化应用导入最为积极，因为在传统生产流程中机器视觉的摄影、分析模块可以提供自动化、智能化生产中关键的捡料、分析与处理决策基础，机器视觉与生产流程的整合紧密度，也直接左右着产线生产效能与产品良率…

在传统的产品生产流程中，产线厂工人力配置的主要工作，除了是进行大量制造处理前的捡料、配料与人工插件组装等工作，但绝大部分的操作均为仰赖厂工目测与徒手操作完成，导入自动化生产后，多数的徒手操作组装可由自动化设备代劳，但若产品的料件型态差异大，自动给料机的配置就无法满足全自动化生产要求，自动化产线即不得不安插人工配料、组装处理，形成自动化产线整合度受限。

机器视觉技术成熟  成为提升生产品质关键

在机器视觉技术逐渐成熟下，早期自动化设备需要人力挑料或是目视判别组装的加工程序，已可部分改由工业用数码镜头、摄影机进行实时影像撷取、分析，取代工厂工人目测挑料与组装处理，再整合自动化加工设备，提升整体自动化生产的整合完整度，除了可以减少不必要的人力投入，甚至可以进一步提升生产效率，改善产品良率。

尤其是生产线中的常规检测、元件或是模块测量、零组件捡料识别等，是生产过程中相当关键的流程，因为只要生产的源头料件准备出现错误，最终的加工制造的成品肯定无法通过验证，而在现代工业自动化、甚至是智能化的趋势之下，产线要求的产品良率越来越高，过多人力徒手操作的加工工序，反而会形成生产效能瓶颈，甚至是产品提升良率的限制。

机器视觉辅助  积极改善生产效能

在成本、效能各方面的要求下，机器视觉在自动化、智能化生产的重要性正逐步提升，即便随着机器视觉应用市场不断增至智能交通、安全监控等领域，但实际上工业的制程应用，仍是机器视觉解决方案最核心的应用型态。

如果就加工设备的系统面检视，现有的加工机具、设备所使用的自动化技术渐增，如何快速导入机器视觉模块、同时可以无缝衔接原有生产流程的人力目测需求，已成为运用机器视觉提升自动化系统的关键整合重点，尤其在生产现场常见的异质系统间的衔接整合，已经成为导入机器视觉生产应用不得不重视的课题。

以汽车生产加工工序使用的机器视觉应用为例，在汽车生产线中，机器视觉可以做到汽车零配件的规格、尺寸检查，组装完成度、精密度快速检测，电子零组件的配料、捡料与上料自动定位等，同时汽车生产动辄上万组零组件，对大型零部件上也可直接导入条码机器视觉识别系统，在产线快速以机器视觉确认给料正确再进行加工生产，避免以错误料件进行组装，减少产线的材料耗损浪费。

机器视觉模块  需能与产线异质设备、系统整合

虽说机器视觉的检测，可利用模块化与电子系统进行分析比对，取得给料的正确与否比对与判断，但实际上机器视觉仅算是取代了原有厂工的视觉验证操作，多数的生产加工工序不仅只有目测，还需要搭配实际动手组装、比对、测量等，这时机器视觉系统即必须与自动化生产机具进行深度整合，常见的状况是同一条生产线的生产机具可能就来自不同的设备制造商，自动化系统必须适应异质的网络协定、系统整合，而机器视觉模块也需要具备多元网络与异质系统的高度整合特性，才能完美与自动化生产设备进行无缝整合、协同进行生产加工。

而机器视觉的运作机制其实相当简单，基本上为透过光学镜头进行生产线的现场图像撷取，可能是特写拍摄产线的输送带，运用机器视觉系统的数码化影像处理，透过分析图像分布、亮度、轮廓等图形线索，传送至分析系统进行比对或判别，而机器视觉系统可以搭配PC或工业电脑进行人工智能解读，而制造加工段可以依据视觉系统分析结果或是判断，变更自动化生产流程在产在线直接处理，或将问题加工物件标示成问题加工产品，避免品质不良的商品流入市面，一方面可以减省客服退换货成本，另一方面也能透过主动避免可疑制造瑕疵商品流入市面，提升服务水准。

大量重复操作可能的生产瑕疵  机器视觉无倦勤与心理负荷

机器视觉应用尤其适合大量生产的产线整合用途，因为采流水线式的产线设计，若是依赖传统人工进行挑料、捡料与组装，实际上会形成相当多品质疑虑问题。因为产在线的料件识别、上料为大量高度重复的操作工作，基本上不需要花太多智能即可处理完成，而在导入机器视觉整合自动化生产后，更可把人力支出集中在更有价值的人力投入上，尤其是如前述，像是生产效能、制造良率等生产要求，传统工厂并不是增加厂工数量就能获得对应提升，机器视觉系统若整合得宜，反而可以达到提升生产效能、生产良率的改善要求。

机器视觉为利用高速影像撷取搭配演算法进行图像识别、分析、辨别，再经由自动化生产设备整合达到提升效能、品质控制的目的，虽然机器视觉仍有分析判别的使用限制，毕竟机器视觉系统或模块并无法完全取代人眼运作，但相对来说机器视觉无人眼可能产生的疲劳、不专注可能造成的判断误差，而机器视觉若整合得宜，则可大幅改善人力可能的疲劳或是误差问题。

机器视觉精度大幅提升  高科技应用价值飙高

机器视觉除可增加判别影像的精准度、正确性外，其实另一优势在于检查料件的效能明显优于人眼！

传统生产流程若要提升生产速度，由于人眼与徒手能处理的判别速度有限，要提升产速就必须追加对等人力增，一方面厂工临时调配支持难度较高，另一方面先前提过的人力疲倦或是精神状况都会影响加工品质。

如果改用机器视觉处理产速提升需求，可在设备可接受的撷取、分析影像效能下进行产速提升，甚至可以多配置一至两组机器视觉设备进行分析结果交叉比对，更进一步提升产速与生产品质要求。

而在精密度检知要求的生产型态上，机器视觉更有无法取代的优势，因为人眼目测的精细度有限，在高端集成电路、LCD液晶屏幕的制作需求中，运用机器视觉可以透过更高分辨率的摄影镜头支持或升级，提升检测物件的精细度要求，相对人眼就有其识别极限，而为了因应高端机器视觉的整合需求，相关业者也相继推出更高分辨率、更高速的机器视觉系统或模块。

以机器视觉的市场应用趋势观察，以往采拍摄镜头、影像分析系统分离设计的机器视觉系统，也呼应机器视觉分析加速化、高效能要求，机器视觉系统也有以影像撷取设备直接整合高速微处理器或是SoC加速图像撷取速度、图像分析效能，而在模块化的机器视觉系统导入自动化生产线时，也能因为图像分析系统与拍摄模块已高度整合，视觉模块更可轻松地于制造产线中进行整合与系统连接，进一步提升生产线可同时处里的零配件数量及零件的材料特徵比对，甚至可进行更多零配件的细节影像分析比对，让机器视觉系统的运作效能更大幅升级。