自动化光学检测产业应用
- DIGITIMES企划
-
机器视觉在产业的实用性相当高，一方面机器视觉可以利用非接触式的传感装置，搭配系统进行影像撷取与分析决策，再经由取得影像进行生产设备控制或协助制程进行，自动化的优势不光是节约人力成本，原本需要高精密度、高危险性、高度稳定性的加工工序，就相当适合导入自动光学检测技术方案。
生产自动化的好处相当多，其中最大优点就是可利用生产设备取代部分人力生产程序，透过机器的高速运转或是产线的整合扩张，更可将原有的生产速度大幅提升，进而增加工厂的生产效率，尤其是是人力可能无法配合的加工处理，就是机器视觉、自动化生产极佳的导入目的。
光学检测搭配自动化技术 整合多种技术核心复杂度高
自动化光学检测除可解决前述问题外，其实对于生产品质要求，自动化光学检测技术也相当适合用来提升工件的量测动作，同时利用高速化的判定来减少人工处理错误产生。
有别于人眼视觉为应用眼球看到可见光于物体反射经由水晶体、映射于视网膜后，再由大脑进行图像识别，控制双手双脚进移动作控制的程序，在自动化设备与机器视觉整合下，可把过程转换为由可见光？不可见于物件反射，经由镜头、映射于CCD上再由影像处理器取得映像、影像透过网络送至电脑搭配图像软件系统进行分析与判读，最后透过Motion控制机制驱动工业用机器人或机器手臂进行自动化加工控制。基本上自影像判读、分析、决策与驱动处理过程接近，但机器视觉却可应用可见光？不可见光混用，达到产线所需的特殊工件外观判读应用需求。
因应不同产业用途 机器视觉整合需高度经验
而讨论产业应用可以从几个线索开始分析讨论，主要可由CCD的来源触发信号进行比较、高速动态影像撷取的识别系统等进行，而归纳机器视觉系统应用主要可在生产现场取代几个重要加工操作应用，如检测(Inspection)进行产品或工件的瑕疵检查，识别(Recognition)透过OCR(Optical Character Recognition)光学文字识别技术进行车牌或是物件上的Barcode信息，量测(Measurement)使用识别后进行工件的长度、宽度、厚度或是加工角度的机器视觉量测，定位(Alighment)操作用于工件、零组件的拾取、置放、打件等加工操作应用。
而目前使用与导入机器视觉的产业相当多，像是电子电机或电器产品，就运用机器视觉进行印刷电路板的成品制作检查、零组件的二维条码识别等，手机加工或组装成果的分析验证；在半导体业界中主要可应用IC零组件的盖印零件编号的品质检查、IC预做的锡球检查等；另外机器视觉还广泛用于光电产业、食品业、医疗制药产业、印刷、包装、汽车制造、博弈等不同产业中。
应用多元光源部署 增加不同产业机器视觉应用价值
在生产现场部署机器视觉，影响品质的关键在于打光与光源部署技巧，打光是机器视觉困难度相当高的部分，需要长期累积的施作经验才能做得好，基本上打光并无通常惯例或原则可遵循，需在加设补光设备后设备试运转进行机器视觉效能调校与光源调整，但若在特定应用的场合中，反而需要大量架设经验减少系统优化耗费的时间，而打光方法、光源使用，主要是依据待测工件、物品的光学特性来进行调整。
为物件进行打光主要有几个大目的，分别是强化物件特徵的对比与反差，增加影像分析比对的精准度，透光打光强化前景与背景的明显差异，同时改善摄影与画面撷取的噪讯比(S/N ratio)，同时冻结移动中物体的运动，或是透过技巧改善或去除物体的表面反射。打光也不见得仅限可见光(波长380？780nm)，已加工或是制造流程不同，也可搭配几种不可见光处理图像分析比对应用。
针对高精度检测应用 高单价远心镜头是必要投资
除产业不同应用的光学识别须注意打光问题外，对于撷取图像的镜头基本参数，也需要有更深了解，镜头主要会有视野范围(Field of view；FOV)、工作距离(Working Distance；WD)、拍摄景深(Depth of field；DOF)、分辨率(Resolution)等关键设备参数，搭配摄影机的镜头种类，若依照接头来进行分类，可分为C Mount、CS Mount与F Mount等差异，如果以应用进行分类，可有CCTV Lens、Zoom Lens、Macro Lens、Telecentric Lens远心镜头等。
其中比较特别的是远心镜头的部分，先了解Telecentric远心镜头，是用来设计让机器视觉直接检视工件或物体，以影像不失真为主要要求，因为在不失真前提下检视工件的特徵，而一般镜头或是传统摄影设备会因为不同的拍摄角度出现略为失真的边缘，尤其是在对形状、大小要求特别高的量测应用上，使用传统摄影机进行图像撷取，反而会造成后端影像分析系统判断误差。
Telecentric远心镜头在放大局部影像时，与工作距离并无关连，不会像传统镜头会随着拍摄距离而改变，应用远心镜头无论工件距离镜头远或近，影像大小均可维持不变，也能因此降低放大误差、并增加量测所需的景深。
尤其是远心镜头可以说是视角零度表现的摄影镜头，因此可用于需要高精密度量测的机器视觉应用上，例如应用于晶圆表面的图像撷取分析、工件镜面加工的的表面光滑度判别等，而远心镜头为了达到以平行光输入、降低图像诗真的使用目的，远心镜头的镜头需要大于拍摄工件，因此低倍率的远心镜头通常体积相对较大、单价也相对高许多，但量测校果表现优异。
机器视觉量测应用 可为制造业兼顾产速与品质
以制造螺帽、螺丝、工业零组件的制造工厂为例，机器视觉导入即为针对GIGI的4个应用面向进行整合，例如，透过机器视觉判定螺丝的方向进行二次或多次自动化加工，其中机器视觉可作为引导自动化设备夹持工件、进行加工，或是利用高精度机器视觉，在工件完成加工后进行精密度量测，而视觉系统也能透过摄影机与分析后台，进行罗纹方向、螺距的量测与品质管控，在生产线直接驱动工业机器人进行工件品质筛检，把加工不良或是材质缺损的螺丝夹持至不良品槽位区隔，节省挑拣人力与挑拣品质。
而这些自动化机制与机器视觉整合，其实拆解成每个基本工序进行设备整合并不会太困难，困难的是把这些零碎的自动化工序与机器视觉进行深度整合，同时维持顺畅的生产流程。
如何选择与整合最适化的自动化机器视觉生产环境，其实可以从硬件面与软件面进行分析，在软件层面上可以针对现有生产流程选用套装机器视觉模块或是需要高度定制的PC-Base机器视觉系统，一般仅有高度特殊的制程使用定制视觉系统会较有效益，一般性的自动化生产器具驱动以常规机器视觉套件快速整合即可。在硬件整合方面，其实关键在于技术整合的选择，如配合自动化机具的机械结构限制选择对应的产品，并非一昧的价格考量，搭配丰富的整合经验组构最适化的自动生产架构。
