機器視覺應用日益廣泛，若與生產設備與設施緊密結合與連動，可協助製造業在品質管理、生產流程監控、視覺導引機器人、現場安全、物料與產品追蹤等應用情境下，提升品質檢測精準度與整體生產線效率，並降低勞力成本。
機器視覺應用日益廣泛，除工業用途外，亦逐漸擴大至醫療、廣告、保全等民生領域。在工業製造領域，機器視覺最常見的用途包含視覺檢測與瑕疵偵測、定位與測量零件，以及辨識、分類與追蹤產品等。透過一台或多台攝影機，攝取視訊影像，賦予生產設備「洞察」本身作業的能力，並根據所見進行處理分析，自動做出決策，可謂工業自動化的基礎技術之一，在協助提升產品品質，以及生產與物流效率等環節皆扮演重要角色。
目前進一步與生產設備與設施緊密結合與連動，可協助製造業在品質管理、生產流程監控、視覺導引機器人、現場安全、物料與產品追蹤等應用情境下，提升品質檢測精準度與整體生產線效率、降低勞力成本，並讓員工騰出時間專注於更高價值的工作。
全方位檢測確保產品品質
不論3C產品、汽車、半導體、醫藥或食品等各種產品的製造業，產品品質控管都至關重要，一旦產品品質管理作業未到位，將導致瑕疵、廢料、產量降低、庫存增加、售後召回、維修賠償等諸多問題，影響企業營運甚巨。目前許多製造業的品質控管，仍仰賴人工目測檢查、抽驗的方式進行。然而，人工目測檢查的方式取決於作業員的經驗、判斷嚴謹度或當時的精神╱視覺狀態等，易出現品質不一的狀況。
由於機器不會疲勞，相較人工目測，機器發現瑕疵的速度更快且更精準，可檢測出人類視力無法察覺的問題，例如織物中微小的不協調圖案，以及電路板中細微的缺陷等。目前專業的機器視覺攝影機可利用熱成像技術偵測溫度異常，或透過X光發現細微缺陷、金屬疲勞等；更可結合3D視覺、邊緣運算，以及深度學習等人工智慧（Artificial Intelligence，AI）技術，達到高彈性乃至全方位的檢測的效果。
舉例而言，紡織業運用人工目測檢測布料等產品的花色、圖案等缺陷，十分耗時費力，且容易受光線影響，產生人為疏失；導入機器視覺系統，能依照不同照明條件進行判斷，並篩選出最細微的缺陷，進一步提供缺陷圖案分析報告。估計採用機器視覺系統的效率，可比人工檢查高出10倍，且能收集各種缺陷問題，加以分析，找出原因以改善品質。
此外，結合3D技術的機器視覺系統可更精準地協助品質的檢測，各類3C產品、半導體封測、電路板等電子業都可導入應用，以快速地進行產品檢測，節省人力與時間的投入。例如在電路板生產線中，導入3D機器視覺系統可以在網版印刷後，立即檢查網版上焊膏的狀況。利用3D機器視覺系統量測電路板上的焊膏厚度、面積與體積等，以判斷焊錫是否品質良好；並將相關資訊儲存，提供品質檢測人員分析，以進一步改善品質。
生產流程控制避免停機損失
在感測器、邊緣運算、視覺辨識等技術發展日益成熟下，機器視覺系統更能夠在生產過程中即時發現操作錯誤、產品瑕疵等問題，立即發出警訊或將異常在製品轉往人工檢驗區等，以提高生產效率與品質。因此，機器視覺系統亦可應用在各類產品的生產流程控制上。
廠商可導入結合多台攝影機與邊緣運算的機器視覺系統，藉由生產流程的完整記錄，可讓工程師、品管人員、現場操作人員等檢視製程的每一個步驟，即時監視人工作業過程的異常狀況，並計算整個生產流程的週期時間，分析瓶頸並改善製程，以提高生產效率。例如，啤酒公司以每秒20瓶以上的速度進行充填裝瓶，人眼無法即時發現充填過程的問題，須倚賴1,000FPS（Frames Per Second）的高速攝影技術，記錄並快速地檢測充填異常，即時排除避免停機造成損失。
在製程細微化趨勢下，機器視覺在半導體生產流程監控上，可產生極高的效益。由於以人工肉眼進行晶圓或晶片生產流程檢測，無法判別微小元件的問題，只能做到初步的協助送料或簡單處理。機器視覺則可運用近拍模式放大檢視細節，如焊接引腳狀態、封裝材料狀態等，搭配特殊光環境輔助，強化驗證的精度，瑕疵元件將無所遁形，並透過高速化、自動驗證與撿料等機制，將製作瑕疵在生產前段完全排除，避免衍生額外成本與損失。
此外，包裝是否密封、標籤是否正確等，對食品、藥品業者而言，相當重要；也常用機器視覺系統來協助產品包裝過程的監控。飲料廠商希望玻璃瓶標籤能貼在正確位置上，導入每分鐘可拍攝高達900瓶的高速攝影機，擷取每個玻璃瓶的圖像並加以分析。攝影機可以辨識瓶子特徵、計算位置，並提供貼標機伺服系統的旋轉回饋，以即時控制與調整瓶子位置，讓貼標位置可以精準控制在1/8吋誤差範圍內。
視覺引導提高生產彈性與效率
視覺引導機器手臂提供了工業生產操作的新可能性。傳統的工業機器人雖具備視覺引導功能，但每次更換工具時都需要重新調校，精度會受到人為的影響；新一代的機器視覺引導系統，可運用機器學習技術自動校準，適應不同製程的彈性提高。此外，機器視覺引導結合3D技術、嵌入式視覺技術，可更精準地針對微小、不規則的物件進行操作，適用於高重複性、低延遲運行的自動化生產系統，可有效地協助工廠提高生產效率。
例如，生產流程已高度自動化的汽車組裝，由於零件多，且工序複雜，機器視覺引導可發揮顯著的效益。以車體裝配為例，車架裝配透過機器視覺系統協助機器手臂將車架拾起，並能對準螺絲孔進行快速裝配。焊接部分雖已大量運用機器手臂，但現有的機器視覺引導系統需要多次測量才能推算出3D空間6個自由度的零件偏移，常導致密合度不佳，或不一致的公差問題，運用3D機器視覺技術可以提高速度與精準度，大幅縮短焊接裝配過程所需時間。
智慧製造、工業4.0為各國推動製造業升級轉型的主要方向。在智慧製造、數位轉型風潮，以及AI、3D、邊緣運算等技術的進展下，機器視覺系統功能不斷增強，應用亦由視覺檢測與品質控制等為主，進一步擴大與提升。此外，在COVID-19疫情全球蔓延下，促使企業加快導入無接觸生產設備的腳步，除可降低工廠人員群聚感染風險外，亦可在疫情反覆發生狀況下，提高應變的彈性與靈活度，可望加速機器視覺技術與應用之發展。
＜本文作者：周維忠現為資策會MIC資深研究總監＞