自動化光學檢測產業應用
- DIGITIMES企劃
-
機器視覺在產業的實用性相當高，一方面機器視覺可以利用非接觸式的感測裝置，搭配系統進行影像擷取與分析決策，再經由取得影像進行生產設備控制或協助製程進行，自動化的優勢不光是節約人力成本，原本需要高精密度、高危險性、高度穩定性的加工工序，就相當適合導入自動光學檢測技術方案。
生產自動化的好處相當多，其中最大優點就是可利用生產設備取代部分人力生產程序，透過機器的高速運轉或是產線的整合擴張，更可將原有的生產速度大幅提升，進而增加工廠的生產效率，尤其是是人力可能無法配合的加工處理，就是機器視覺、自動化生產極佳的導入目的。
光學檢測搭配自動化技術 整合多種技術核心複雜度高
自動化光學檢測除可解決前述問題外，其實對於生產品質要求，自動化光學檢測技術也相當適合用來提升工件的量測動作，同時利用高速化的判定來減少人工處理錯誤產生。
有別於人眼視覺為應用眼球看到可見光於物體反射經由水晶體、映射於視網膜後，再由大腦進行圖像識別，控制雙手雙腳進行動作控制的程序，在自動化設備與機器視覺整合下，可把過程轉換為由可見光？不可見於物件反射，經由鏡頭、映射於CCD上再由影像處理器取得映像、影像透過網路送至電腦搭配圖像軟件系統進行分析與判讀，最後透過Motion控制機制驅動工業用機器人或機器手臂進行自動化加工控制。基本上自影像判讀、分析、決策與驅動處理過程接近，但機器視覺卻可應用可見光？不可見光混用，達到產線所需的特殊工件外觀判讀應用需求。
因應不同產業用途 機器視覺整合需高度經驗
而討論產業應用可以從幾個線索開始分析討論，主要可由CCD的來源觸發信號進行比較、高速動態影像擷取的識別系統等進行，而歸納機器視覺系統應用主要可在生產現場取代幾個重要加工操作應用，如檢測(Inspection)進行產品或工件的瑕疵檢查，識別(Recognition)透過OCR(Optical Character Recognition)光學文字辨識技術進行車牌或是物件上的Barcode資訊，量測(Measurement)使用辨識後進行工件的長度、寬度、厚度或是加工角度的機器視覺量測，定位(Alighment)操作用於工件、零組件的拾取、置放、打件等加工操作應用。
而目前使用與導入機器視覺的產業相當多，像是電子電機或電器產品，就運用機器視覺進行印刷電路板的成品製作檢查、零組件的二維條碼辨識等，手機加工或組裝成果的分析驗證；在半導體業界中主要可應用IC零組件的蓋印零件編號的品質檢查、IC預做的錫球檢查等；另外機器視覺還廣泛用於光電產業、食品業、醫療製藥產業、印刷、包裝、汽車製造、博弈等不同產業中。
應用多元光源部署 增加不同產業機器視覺應用價值
在生產現場部署機器視覺，影響品質的關鍵在於打光與光源部署技巧，打光是機器視覺困難度相當高的部分，需要長期累積的施作經驗才能做得好，基本上打光並無通常慣例或原則可遵循，需在加設補光設備後設備試運轉進行機器視覺效能調校與光源調整，但若在特定應用的場合中，反而需要大量架設經驗減少系統優化耗費的時間，而打光方法、光源使用，主要是依據待測工件、物品的光學特性來進行調整。
為物件進行打光主要有幾個大目的，分別是強化物件特徵的對比與反差，增加影像分析比對的精準度，透光打光強化前景與背景的明顯差異，同時改善攝影與畫面擷取的噪訊比(S/N ratio)，同時凍結移動中物體的運動，或是透過技巧改善或去除物體的表面反射。打光也不見得僅限可見光(波長380？780nm)，已加工或是製造流程不同，也可搭配幾種不可見光處理圖像分析比對應用。
針對高精度檢測應用 高單價遠心鏡頭是必要投資
除產業不同應用的光學辨識須注意打光問題外，對於擷取圖像的鏡頭基本參數，也需要有更深了解，鏡頭主要會有視野範圍(Field of view；FOV)、工作距離(Working Distance；WD)、拍攝景深(Depth of field；DOF)、解析度(Resolution)等關鍵設備參數，搭配攝影機的鏡頭種類，若依照接頭來進行分類，可分為C Mount、CS Mount與F Mount等差異，如果以應用進行分類，可有CCTV Lens、Zoom Lens、Macro Lens、Telecentric Lens遠心鏡頭等。
其中比較特別的是遠心鏡頭的部分，先了解Telecentric遠心鏡頭，是用來設計讓機器視覺直接檢視工件或物體，以影像不失真為主要要求，因為在不失真前提下檢視工件的特徵，而一般鏡頭或是傳統攝影設備會因為不同的拍攝角度出現略為失真的邊緣，尤其是在對形狀、大小要求特別高的量測應用上，使用傳統攝影機進行圖像擷取，反而會造成後端影像分析系統判斷誤差。
Telecentric遠心鏡頭在放大局部影像時，與工作距離並無關連，不會像傳統鏡頭會隨著拍攝距離而改變，應用遠心鏡頭無論工件距離鏡頭遠或近，影像大小均可維持不變，也能因此降低放大誤差、並增加量測所需的景深。
尤其是遠心鏡頭可以說是視角零度表現的攝影鏡頭，因此可用於需要高精密度量測的機器視覺應用上，例如應用於晶圓表面的圖像擷取分析、工件鏡面加工的的表面光滑度判別等，而遠心鏡頭為了達到以平行光輸入、降低圖像詩真的使用目的，遠心鏡頭的鏡頭需要大於拍攝工件，因此低倍率的遠心鏡頭通常體積相對較大、單價也相對高許多，但量測校果表現優異。
機器視覺量測應用 可為製造業兼顧產速與品質
以製造螺帽、螺絲、工業零組件的製造工廠為例，機器視覺導入即為針對GIGI的4個應用面向進行整合，例如，透過機器視覺判定螺絲的方向進行二次或多次自動化加工，其中機器視覺可作為引導自動化設備夾持工件、進行加工，或是利用高精度機器視覺，在工件完成加工後進行精密度量測，而視覺系統也能透過攝影機與分析後台，進行羅紋方向、螺距的量測與品質管控，在生產線直接驅動工業機器人進行工件品質篩檢，把加工不良或是材質缺損的螺絲夾持至不良品槽位區隔，節省挑揀人力與挑揀品質。
而這些自動化機制與機器視覺整合，其實拆解成每個基本工序進行設備整合並不會太困難，困難的是把這些零碎的自動化工序與機器視覺進行深度整合，同時維持順暢的生產流程。
如何選擇與整合最適化的自動化機器視覺生產環境，其實可以從硬體面與軟體面進行分析，在軟體層面上可以針對現有生產流程選用套裝機器視覺模組或是需要高度客製的PC-Base機器視覺系統，一般僅有高度特殊的製程使用客製視覺系統會較有效益，一般性的自動化生產器具驅動以常規機器視覺套件快速整合即可。在硬體整合方面，其實關鍵在於技術整合的選擇，如配合自動化機具的機械結構限制選擇對應的產品，並非一昧的價格考量，搭配豐富的整合經驗組構最適化的自動生產架構。
