《開拓自動化系統的視界─机器视觉》由会员分享，可在线阅读，更多相关《開拓自動化系統的視界─机器视觉（14页珍藏版）》请在金锄头文库上搜索。
1、開自動化系統的視界機器視覺開自動化系統的視界機器視覺 摘要摘要 在全球工業自動化的需求趨勢帶動下，機器視覺(Machine Vision)的研究及其應用技術目前已在各國如火如荼的進中。然而身為科技人的我們，真的已經解機器視覺是麼嗎？到底其原運作及多樣化的應用該如何去實現？其又將為人未的生活帶何種影響？本篇文章將引導者進入機器視覺的域，以深入淺出的方式完整介紹其架構程，並輔以實際結合自動化系統之產業應用範，祈使者能解箇中奧秘，文末並提供機器視覺技術未發展之可能走向。 前言前言 從十九世紀初開始，生產的方式從大人工慢慢轉變為機械化，到十九世紀中，自從微電腦的發明，讓人們能夠用它從事一些簡單的自動控
2、制，工業界又開始一次新的革命，隨著工業生產逐漸為因應產、速、精準提升之需求，人開始大投入自動化的生產程開發。然而，科技業為精益求精，再加上人工智慧(Artificial intelligence)的構想崛起，人們開始思考，該如何才能讓自動化系統中的機器學會“感受我們眼中看的世界，進而能夠學習人的為模式進判定？於是我們賦予它一雙“眼睛，使其擁有辨別事物的能，學習人的輯以提升自動化系統之產能。 至今日，機器視覺已成為工業自動化系統的重要組成之一，其技術與應用也隨著自動化業的發展而日益成熟。現今之工業界，隨著影像處技術之開發和運算效斷成長、光電元件性能的提高、各標準的逐漸統一以及價格的相對低，據美國
3、自動成像協會(Automated Imaging Association, AIA)之市場研究調查報告，2006 全球機器視覺市場規模已經超過 70 億美元，並預測在今後五內仍將持續此增長趨勢。然而，隨著供應商和集成商斷的把機器視覺技術之應用推展至各個域，機器視覺這一相對獨的功能如何實質上地融入各各業之自動化系統，且帶革命般的性變化，遇到前所未有的挑戰。 何謂機器視覺？何謂機器視覺？ 機器視覺系統(Machine Vision)是一個能自動輸出控制信號的影像別分析器。主要的原是運用成像系統去自動抓取並分析可的資訊(Visual Information)，就如同人的雙眼一樣，然後運用微電腦(人的
4、大腦)強大的運算能，對取得的影像進適當的分析別，得到一個控制信號的輸出，成為控制機器的之一1。由機器視覺對輸入的影像分析檢測，大大的提升檢測的效和正確性，當然機器視覺也並非只用於科技界的生產，在各個域之中，如在醫學、生技、農業、漁業等，都能處處看到機器視覺的應用。我們必須要解一個觀就是機器視覺系統並完全只等於影像處系統，影像處系統可以當作機器視覺系統的前置作業，經過處再置的影像以機器進控制與判斷，也具備可再現性以人眼後續之觀察記，以提升自動化生產程或系統之操作性與精準。 機器視覺技術之程機器視覺技術之程 以下所介紹之程(圖一, 2)為機器視覺系統之主要架構，其中所包含之步驟並非皆為必要，有些是
5、可選擇性(option)的供人於程設計時自由增減，以有效地符合於同之應用域： 1. 影像擷取(Image Acquisition)：基本上，影像之產生限於可光源(Illumination)，凡藉由能源或光源與取像景物(Scene)對於光源的反射或能吸收或其組合均可。可以為可光、紅外線、射及X 光等，甚至是現今當紅、運用於醫學影像之核磁共振(Magnetic Resonance Imaging, MRI)與正子斷層掃描取像(Positron Emission Tomography, PET)等，皆為應用於機器視覺技術成像源之一；取像景物於同應用上則可能為電子件、人器官、欲監控之環境等；透過影像感
6、測器取像且成像輸出後，所獲取的資訊經由影像呈獻出。 2. 影像強化(Image Enhancement)：所謂之強化，即為將所取得之影像進處，使其結果對特定性的應用而言比原始影像適用，意即將我們感興趣的資訊保下並加強其與週遭背景之差性，如邊緣增強(Edge Enhancement)處及提升對比；或抹去於特定應用所必要之資，如影像高、低通波(Highpass/Lowpass Filtering)處。 3. 影像修(Image Restoration)：當所取得之影像包含環境因素(如照明之光及感測器自身溫)所產生之雜訊(Noise)，常之處為建一雜訊模型，並選擇適當的波器將其除；圖形失真扭曲變形(
7、Distortion)時，則透過空間轉換(Spatial Transformation)或畫素值內插(Interpolation)將其座標系統轉換且校正其正確座標位置上的畫素值。 4. 彩色影像處(Color Image Processing)：又可分為全彩色(Full Color)和虛擬彩色(Pseudo Color)之處，前者所指以全彩色感應器所獲得之資訊，後者則是對特定的影像強範圍指定一顏色；部分處可沿用灰階(Gray Level)影像之技術，部分則需重新建構。過當工業界使用二元(Binary)影像或灰階影像進應用時，此部分為非必要之程序。 5. 小波及多解析之處(Wavelets an
8、d Multi-Resolution Processing)：小波轉換非常適合應用於影像壓縮、傳送及分析，其轉換基底為具有變化頻及有限期間(Limited Duration)的小波，轉換過程中有效地保時間資訊(Temporal Information)；小波轉換也是多解析處之基礎，同一張影像於同解析下能突顯之特徵也有所同，故選擇適當的解析進後續處將有事半功倍之效。 6. 影像壓縮(Compression)：高解析之影像於暫存、傳送及儲存時，皆需耗費大記憶體及頻寬，因此該如何以最精簡的資源顯示出最豐富的資訊，也一直是學術界暨業界人才投入開發的技術之一。 7. 形態學處(Morphological
9、 Processing)：為達成後續的影像分割，我們需要一些有用的工具協助描述影像中我們所有興趣之物件的形，常之技術為邊緣擷取(Edge Extraction)、區域填補(Region Filling)、形態膨脹(Dilation)與侵蝕(Erosion)。 8. 影像分割(Segmentation)：將一張影像分割成同物件所組成的集合，此一階段之精準著實的影響後續之辨程序。 9. 物件表示與描述(Representation and Description)：影像分割的結果通常為區域的邊界及區域內的畫素，故需應用性之同決定該以邊界亦或是其完整的區域表示這些資；當我們關心物件之外部形時，使用邊
10、界表示，有興趣的為其內部紋，區域表示則較為恰當。而選擇適當的描述器(Descriptor)描述這些資，將能突顯我們感興趣的特徵，抓取出具代表性之特徵，也將提升後續辨作業之可信。 10. 物件辨(Object Recognition)：依據物件所擁有之同特徵將其標上記號，進而比對出具相同特徵之物件，將其歸。如製造業辨同元件、生醫影像中辨同病徵等應用。 完成上述之程序後，將經分割或辨完成的影像物件與伺服器主機資庫中的基準資進比對，可有助於校正與誤差測，最後協助機器判斷及發送指控制工作機台之運動或執相關程序，達到錯誤迴授之動態機制。 圖一機器視覺系統之處程 提升產品品質器機器視覺系統提升產品品質器機
11、器視覺系統 在現今工業界之生產過程中，產品之品質管制通常是耗費最多人資源之處，也是關係到整個公司商譽的重要部門；故一個好的自動化生產程絕對是確保產品品質的二法門，而除完善的程設計及控制，如可程式輯控制器(Programmable Logic Controller, PLC)之應用，機器視覺於自動化系統上的發展也可是可限，簡單如少件或元件錯置之檢測，複雜至控制機器人之運動機制，如何能將其巧妙的結合產線運作且帶效益是許多世界級的大廠開始著手開發的課題。 為讓者加解到底機器視覺要如何應用於自動化系統上，我們在此將會以應用於上的自動光學檢測及應用於水下的遠端操控機械臂系統進實明。 機器視覺系統的應用實
12、一自動光學檢測機器視覺系統的應用實一自動光學檢測(Automated Optical Inspection, AOI) 早期工業界採用的檢測方式通常是透過人工以肉眼和經驗去檢驗，僅缺乏效且擁有極高的錯誤，但因為欠缺為有效的檢驗方法，使得檢測的速和正確性一直是每個廠商頭痛的問題。由於產需求的日益提高和產品品質的要求下，生產速和檢測方面的問題加突顯出，所需求的人成本越越高，但因為基本薪資的提高，原本使用大人工的產業面極大的壓，此時生產自動化被為首要目標。然因生產自動化之後，造成產的急速提高，也帶產品品質的標準越越高，自動檢測設備之研發儼然成為業界最主要的目標之一。 而自動光學檢測(Automate
13、d Optical Inspection, AOI)為近相當具有市場潛之一非破壞性且全自動化之檢測技術3 ， 其發展乃源自於傳統人工視覺檢測(Manual Vision Inspection, MVI)已無法因應今日工業生產所要求之自動化、微小化、精確性、及低開發週期之需求，遑其工作效能及可重現性之足；然而初期AOI技術之發展受限於光學攝影器材解析及影像處速之貧乏等諸多窒礙，隨著業界人才紛紛投入相關研究及光學成像解析之提升，應用範圍也從一開始較為宏觀之傳統加工產業用元件檢測，如包裝、紡織、汽、及機械等產業的應用檢測上，”延伸”至微觀的積體電(Integrated Circuit, IC)、半導
14、體檢測。 AOI 所包含之技術範圍其實相當寬廣，依應用域的同可分為 1D(一維條碼檢測、位移檢測)、2D(圖像別、瑕疵分、二維條碼檢測、形測、熱影像檢測、色澤檢測)以及 3D(形測、高瑕疵檢測)，如：指紋比對、字形辨、及多媒體技術應用等。而工業界之常應用也橫跨自傳統加工產業到電纜線及接頭檢測、牌辨、智慧型交通控制系統(ITS)、臉型辨、各種工業應用影像檢測、材割邊緣檢測、醫學影像處、超音波影像處、保全影像監控設備、機器視覺辨、影像資庫、影像定位控制 、 人體運動動作影像分析等 ， 甚至時下當紅之光電半導體產業 、 平面顯示器(Flat Panel Display, FPD)色彩檢測及校正、印刷
15、電板(Printed Circuit Board, PCB)產業、及生物醫學影像(Medical Image)之分析，AOI 都無可置疑地扮演舉足輕重的角色。 AOI 之系統架構之系統架構 一個完整的AOI系統之組成包括照明系統、成像系統、控制系統、影像處與分析系統等，如圖二所示，因檢測方式及應用方法之同進區塊劃分，我們將在這個章節對各個子系統進較為詳盡之介紹： 圖二AOI 系統之組成 (資源：工研院經資中心 ITIS 計畫(2002/) 1. 照明系統照明系統 照明系統無庸置疑地佔有相當重要地位，在整個 AOI 系統中，取像系統之解析固然重要，缺乏適當的光源或能源，將使得成像的分析失去其可信，因此選擇一能有效地強化待測物件與背景之差性之照明絕對是一首要的工作。照明系統的配置隨著同光源的選擇對於成像品質帶相當大的影響，我們在此於表一中整同光源及能源之特性： 表一 各種光源及能源之特性 光源及成像源別 特性 日光燈管 獲得好對比 紅外線 清楚顯示影像細節 射與 X 光 低系統複雜 鹵素燈 (Halogen) 提供比鎢絲燈、日光燈管、及 LED 高之
