智慧工廠的眼睛 - 何謂機器視覺？

05/17/2024

什麼是機器視覺？

廣義而言，「機器視覺」是指利用數位技術來利用視覺資訊和光學資訊。然而，由於「機器視覺」正被引進製造業的生產現場，因此一般而言，「機器視覺」是指在工廠的自動檢測和流程自動化中所使用的數位影像技術。
機器視覺包含以下幾項：

・影像部分（攝影機）
接口部分（板卡/通用接口）
處理引擎部分（電腦）
處理控制部分（軟體）

等。
由成像部分取得的影像資料經由介面部分載入處理引擎。在處理引擎部分，處理控制部分會執行二進位* ¹、邊緣偵^測*2 及其他形式的影像處理。接著，將完成影像處理的影像資料輸出至機器人和工業設備。

*1: 將影像預設的像素值（臨界值）轉換成黑白兩種數值的處理。
*2: 偵測影像中亮區和暗區的處理。

機器視覺可用於自動檢測、自動識別和自動測量等。例如，與人工檢測相比，自動檢測和自動識別的速度非常快。此外，用於自動測量的機器視覺可以精確地識別出人類無法測量的微小差值。此外，將機器視覺與人工智慧功能連結，未來可望產生更多智慧型用途。

機器視覺、電腦視覺和機器人視覺之間的差異

電腦視覺和機器人視覺是與機器視覺相似的技術，但它們各自扮演不同的角色。在此，我們將解釋它們的角色有何不同。

機器視覺與電腦視覺的差異

「電腦視覺」是一種在機器視覺功能的基礎上增加設備控制功能的技術。電腦視覺可以根據機器視覺輸出的資料來控制各類設備。例如，這樣就可以將機器視覺輸出的圖像數據與電腦生成的 CAD 數據結合起來控制處理器，或者根據捕捉到的生產線工作進度的圖像數據調整輸送帶的輸送速度。
此外，電腦視覺的應用範圍非常廣泛，自然也包括智慧工廠以及體育界的裁判輔助系統和虛擬重播，以及娛樂界的投影映射等。

機器視覺與機器人視覺的差異

「機器人視覺」是在機器人視覺功能上增加機器視覺的技術。機器視覺將攝影機安裝在各種設備上以獲得影像資料，但機器人視覺則將攝影機安裝在機器人手臂末端以獲得影像資料。這樣，機器人就可以根據自己獲得的視覺資訊進行操作。
例如，不使用機器人視覺的機器人只能執行事先編程的某些操作。但是，當配備了機器人視覺的機器人將其機器人手臂移近物體時，它就會根據攝影機的影像資料依序識別目標，從而執行操作。
由於這種操作控制方式是可能的，因此配備了機器人視覺的機器人能夠執行無法用程式指定的詳細、精確且靈活的操作。

智慧工廠中的機器視覺應用範例

機器視覺可應用於智慧工廠的各類工作。在此，我們介紹一個機器視覺運用的範例。

以超高速讀取文字 - OCR（光學字元辨識/讀取器）

OCR 是一種利用影像掃描器或數位相機掃描手寫或印刷字元的技術。機器視覺可掃描印在產品上的二維碼、序號和製造日期等。掃描的資料可用於檢查列印品質或是否列印出正確的字元，以及篩選下一道工序等。在許多情況下，被 OCR 掃描的產品會高速通過生產線。因此，機器視覺使用能夠高速擷取影像的攝影機，以及能夠高速處理的影像處理系統。

掃描 2D 和 3D 形狀 - 視覺檢測

機器視覺的運用被認為是生產線上最有效的視覺檢測手段。由於以機器視覺為基礎的視覺檢測能夠高速、準確地檢測切割和成型後產品的精度以及部件的安裝狀態等，因此對於提高生產效率和保持品質是非常重要的。目標物體的表面在光澤度和光吸收等方面會有很大的差異。機器視覺所使用的照明可透過改變照明方式和光線顏色來檢測表面狀況各異的產品。此外，配備立體攝影機^* 3、飛行^時間*4 等測量系統以及結構光* ⁵等成像系統的 3D 攝影機也可以測量深度。

*3: 使用兩台攝影機進行三角測量並測量物體距離的方法。
*4: 根據光源發出的光從物體反射回來到光偵測器的時間來測量物體距離的方法。
*5: 發出具有特定陰影圖案光線的照明方法。

使用 3D 攝影機進行視覺檢測的影像 — 圖 5：使用 3D 攝影機進行目視檢測

抓取特定元件 - 挑選

生產線上的「拾取」是指收集（拾取）所需元件和產品的任務。利用機器視覺可以識別和拾取具有指定顏色和形狀的組件，即使具有不同顏色和形狀的組件和產品混合在一起。

為機器人提供視覺功能 - 機器人操作控制

近年來，工業機器人也因其高操作精度而被用於精密工作中。例如，它們在微型元件的安裝、焊接和焊接方面發揮了積極作用。然而，利用程式控制這些工作需要高精度的定位裝置。利用機器視覺的機器人視覺，不需要高精度的定位裝置，機器人就可以利用安裝在機器人手臂末端的攝影機所提供的影像資料來進行精確定位。

機器視覺的未來 - AI 視覺

隨著各種類型的工業設備轉向使用 AI，機器視覺演進的一種形式顯示出前景，那就是「AI 視覺」。

什麼是 AI Vision？

AI 視覺是在智慧型手機等裝置輕量級 AI 晶片，搭配攝影機與相機功能，對擷取的影像資料進行推論的系統。AI 視覺與電腦視覺相似，都是使用 AI (人工智慧)，但電腦視覺主要是利用雲端 AI 服務進行推論 (圖 8)。
另一方面，AI 視覺在邊緣裝置中裝備 AI 模組來進行推論，而推論結果會儲存在邊緣伺服器上。只有在必要時，邊緣伺服器才會與雲端 AI 溝通。(圖 9）。

因此，相較於電腦視覺，AI 視覺有以下優勢：
・可減少與雲端 AI 服務的通訊量
可防止感測器收集的資料外洩
優異的反應能力
此外，AI 視覺中使用的攝影機和智慧型手機稱為「邊緣 AI 裝置」，而在邊緣裝置上進行推論的方法則稱為「邊緣 AI」。

實現人工智能願景需要哪些技術？

雖然 AI 視覺具有上述優點，但搭載在邊緣裝置上的 AI 模組需要以下類型的功能。
・由於電池容量的限制，需要更佳的節能效果
由於反應速度的要求，需要能夠進行高速處理
由於安裝空間有限，因此散熱效果較佳
最重要的是，AI 模組必須精巧。

摘要

本文說明了機器視覺的主題，以及電腦視覺和機器人視覺以及 AI 視覺的類似短語。展望未來，預計機器視覺與 AI 的發展將與影像資料深度學習的演進有密切關係。此外，透過適當運用雲端人工智慧與邊緣人工智慧，可望開發出新的人工智慧系統與產品。
這些趨勢將可能成為智慧型工廠機器人、自動檢查、自動辨識、自動量測設備的必備技術，這些設備需要更接近人眼的視覺資訊，以及超越人類的決策能力。