落實智慧製造 機器視覺整合加速
機器視覺在工廠自動化系統中向來扮演重要環節，當初發展時，僅作為人類時覺的替代品，不過隨著技術的提升，機器視覺在產線的應用逐漸加深，現在此技術的辨識速度與精度，以非人演可比，根據研究機構指出，機器視覺未來年的複合成長率將突珀％，到2022年，全球產值將超過140億美元，就目前發展來來看，未來幾年的重點技術將包括機器人、3D視覺、工業感測器、影像處理技術、機器人控制軟體或演算法、類人工智慧技術等方面，而在這些技術中，3D視覺和機器人將是主要關鍵。
3D視覺在機器手臂佔有優勢
在3D視覺部分，目前仍以2D仍是視覺感測器的主流，不過2D感測技術只侷限在X-Y平面進行測量，無法獲取Z方向的資訊，而3D視覺技術可以全面掌握物體或環境樣貌，從底層影像處理構建出最終的3D模型，更全面且精確呈現物體的位置、距離、形態等，隨著3D視覺檢測實現的功能越來越全面，2D檢測技術將會被3D視覺技術取代，此外在部分不適於工作業的監測環境中，3D視覺攝影機可與機器手臂結合，由於2D工業相機缺乏深度空間判斷能力，因此3D工業相機將在此領域有絕對優勢。
隨著智慧製造的持續推進，製造業對整合3D視覺化功能的機器人需求也越來越廣泛，讓視覺系統取代傳統程式設計過程，以執行某一特定操作的機器人將更具優勢，具有3D視覺功能的機器人可自動識別、分析、處理，對周圍環境做出即時反應，在此一領域，目前包括ABB、EPSON等多家廠商都已推出具備視覺功能的機器人產品，在智慧工廠發展過程中，視覺功能與機器手臂的整合已開始有初步應用。
過去機器人生產設備大多僅使用固定式的機器手臂，取代產線定點加工站的規律性插拔件、鎖螺絲與組裝加工程序，或是透過機器視覺進行簡單的料件檢測、分檢動作，雖然在高速化加工應用與高精準度檢測應用已獲得相當具體的成果，但隨著機器人整合承載運動平台，搭配更高自由度(Degree of Freedom；DOF)的機器人設備時，原有採固定式運作的自動化應用機器人，即便可使用實體圍籬或電子圍籬建構安全操作區，但高自由度的機器人設備可能在顧及安全性部分，就無法搭配實體或電子圍籬使用。
而為建構高自由度機器人設備更完整的環境空間資訊，一般會使用各種感測器整合分析運作空間，例如，整合超音波、雷射測距、機械式微動開關...等，但單一感測器可能會因為受限感測原理限制，而會有空間、角度、距離與精確度等空間感測差異，而設置過多感測器也會有成本與處理負荷問題。然而，採行高經濟價值、高效能的機器視覺技術，反而可以有效優化機器人設備建構空間資訊的較佳方案。
視覺與手臂整合門檻高
機器視覺應用於機器人的技術門檻相當高，若是設置於固定位置類型的機器手臂、自動化加工站，機器視覺進行的辨識與需處理的操作動作相對單純，但若是具移動能力的機器人，運動範圍、環境障礙會因為移動位置的不同而產生變化，每次動作進行前就必須完成安全工作區的感測與分析動作，若透過傳統感測器進行不僅效果有限、運作效能也備受考驗，反而是機器視覺可以快速、大範圍完成操作環境分析，進而映射可以進行自主運行的動作安全區，優化機器人設備的反應速度、同時也可用低成本達到所需的環境空間感測需求。
但影像擷取模組每秒鐘會產生超過百萬像素的圖像資料，如果直接將影像送到中央處理器進行解析與空間建模，勢必會因傳輸與儲存媒介效能等問題，影響設備成本、設置價值，常見方法為先將圖像於擷取終端進行畫素特徵分析，將空間拍攝的影像轉換成點、角、邊線或是面等數據，從2D搭配深度影像分析轉換至具空間特徵的3D數據。當百萬像素的圖像透過演算法處理成大量環境特徵數據後，即可搭配特徵資料庫運用演算法使機器人可快速辨識圖像或認知物體，而此辨識系統則需要大量參考數據預先置入資料庫、讓系統快速比對，否則將影響檢測目標或是空間辨別的準確度。
前述影像繁複的傳輸與演算法處理，針對擷取影像進行如圖像縮放、色彩空間轉換、影像翻轉、影像旋轉、色調加強、伽瑪校正(Gamma correction)、對比強化等處理，對CPU將造成極大負荷，實作通常使用嵌入式處理器、DSP、GPU等硬體影像加速方案搭配，優化機器視覺的影像處理效能，不讓龐大的影像分析、數位資料處理成為整個自動化系統的應用門檻。
整體解決方案將成趨勢
在機器視覺發展初期，台灣廠商大多使用靠引進國外的機器視覺產品，再針對客戶需求整合系統，後期工業電腦產業崛起，台灣相關廠商開始著重機器視覺的開發，再加上市場對工業智慧相機、圖像擷取設備以及影像處理等產品及應用需求的增加，無論在技術或應用面，機器視覺都已有大幅成長。
不過近年來中國大陸的相關產業也迅速蓬勃，相關資料統計，目前中國的機器視覺企業已超過102家，機器視覺產品代理商超過200家，專業的機器視覺系統整合商超過50家，從光源、工業相機、工業鏡頭、影像擷取卡以及處理軟體等所有機器視覺產業鏈漸趨完整。
隨著智慧製造趨勢的加速，機器視覺產品將逐漸成為企業落實協作生產的關鍵技術，但在此同時，另一個問題也隨之浮現，也就是當機器視覺產品開始成為生產線的資訊收集工具時，為相容不同視覺系統，除了採用標準化技術外，相關設備還必須貼合企業需求進行二次開發，需求的轉變促使產業轉型，因此未來的機器視覺廠商將不再是提供單一產品，而是逐漸轉變為整體解決方案系統整合商。
就應域面來看，根據研究機構的調查顯示，目前機器視覺的市場需求ｕ．３40％～50％集中在半導體與電子產業，包括PCB印刷電路板、電子封裝技術、SMT表面組裝等，主要原因在於半導體產業需要以高精度的視覺設備和高品質的技術為後盾，而機器視覺可完全能夠解決這些問題；此外機器視覺系統在品質檢測方面的應用已經相當廣泛，在產線中有重要地位，其應用深度與其自動化系統程度呈正比，像是製藥、印刷、食品外包裝檢測等，此外在政策性因素的影響下，高階創新型領域、智慧交通等領域，也將是未來機器視覺應用的重點方向。
Reference: https://www.ctimes.com.tw/DispArt/b5/%E6%99%BA%E6%85%A7%E8%A3%BD%E9%80%A0/3D%E8%A6%96%E8%A6%BA/%E6%A9%9F%E5%99%A8%E8%A6%96%E8%A6%BA/%E8%A3%BD%E9%80%A0%E6%A5%AD/1802051123PF.shtml
根據美國The insights Partners 研究報告指出，2025年全球機器視覺零組件和系統整合的產值將超過144.8億美元，每年預估成長率為20%。機器視覺是以機器模仿人類視覺的光學辨視系統，由工業相機、高解析鏡頭和光源來擷取影像，再透過影像軟體分析及判斷影像內容，最後將結果傳輸到機器手臂、夾爪或螢幕等外部裝置來執行動作，是產線檢測自動化的重要方法，又稱為自動化光學檢測 (AOI, Automated Optical Inspection)。
2D視覺檢測是相對成熟的機器視覺領域，因此影像處理軟體的效能和整合能力成為導入自動化產線的成功關鍵，尤其整合攝影機及電腦主機於輕巧機殼而成的智慧型攝影機，更易於整合在自動化機台上。影像處理部分，透過人工智慧軟體——深度學習(Deep-learning)技術的導入，更可以大幅提升自動化視覺檢測的影像判讀能力和準確度。
近幾年市場上更推出能檢測透明或高反光物件的3D視覺感測器，以補足2D感測器的不足。根據MarketsandMarkets的市場研究報告，預估2022年全球3D感測器市場將達到54.6億美元，年增率更高達26.5%。推動3D感測器市場成長的主因除了消費電子產品對3D功能設備的強勁需求，3D感測技術在工業自動化的應用、光學和電子組件整合，以及對於安全和監視系統的需求有關。
根據3D量測原理，3D視覺處理技術主要可分為雷射三角(Laser triangulation)、立體視覺(Stereo principle)、彩色共焦(Chromatic confocal)和白光干涉(White-light interference)，歐美感測器大廠也紛紛推出運用上述原理的3D視覺檢測解決方案。台灣也有不少廠商涉略3D機器視覺技術，例如愛柏威(Abbovi)自行研發搭載機器手臂與工業相機的Cambo 3D視覺手臂整合系統，透過3D影像辨視的前瞻技術，設計出自動夾取和自動加工兩大功能，成功應用在電子、半導體、製鞋、太陽能等產業。
留言列表
