开拓自动化系统的视界机器视觉-海洋大学.PDF

開拓自動化系統的視界─機器視覺 摘要 在全球工業自動化的需求趨勢帶動下，機器視覺(Machine Vision)的理論研究及其應用技術目前已在 各國如火如荼的進行中。然而身為科技人的我們，真的已經了解「機器視覺」是什麼了嗎？到底其原理 運作及多樣化的應用該如何去實現？其又將為人類未來的生活帶來何種影響？本篇文章將引導讀者進入 機器視覺的領域，以深入淺出的方式完整介紹其架構流程，並輔以實際結合自動化系統之產業應用範例， 祈使讀者能了解箇中奧秘，文末並提供機器視覺技術未來發展之可能走向。 前言 從十九世紀初開始，生產的方式從大量人工慢慢轉變為機械化，到了十九世紀中，自從微電腦的發 明，讓人們能夠利用它來從事一些簡單的自動控制，工業界又開始了一次新的革命，隨著工業生產逐漸 為了因應產量、速度、精準度提升之需求，人類開始大量投入自動化的生產流程開發。然而，科技業為 了精益求精，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＂我們眼中看見的世界，進而能夠學習人類的行為模式進行判定？於是我們賦予 了它一雙“眼睛＂，使其擁有辨別事物的能力，學習人類的邏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行業的發展 而日益成熟。現今之工業界，隨著影像處理技術之開發和運算效率不斷成長、光電元件性能的提高、各 類標準的逐漸統一以及價格的相對降低，據美國自動成像協會(Automated Imaging Association, AIA)之市 場研究調查報告，2006 年全球機器視覺市場規模已經超過了 70 億美元，並預測在今後五年內仍將持續此 增長趨勢。然而，隨著供應商和集成商不斷的把機器視覺技術之應用推展至各個領域，機器視覺這一相 對獨立的功能如何實質上地融入各行各業之自動化系統，且帶來革命般的良性變化，遇到了前所未有的 挑戰。 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識別分析器。主要的原理是運用成 像系統去自動抓取並分析可見的資訊(Visual Information) ，就如同人類的雙眼一樣，然後運用微電腦(人的 大腦)強大的運算能力，對取得的影像進行適當的分析識別，得到一個控制信號的輸出，成為控制機器的 參數之一[1] 。由機器視覺對輸入的影像分析檢測，大大的提升了檢測的效率和正確性，當然機器視覺也 並非只用於科技界的生產，在各個領域之中，如在醫學、生技、農業、漁業等，都能處處看到機器視覺 的應用。我們必須要了解一個觀念就是機器視覺系統並不完全只等於影像處理系統，影像處理系統可以 當作機器視覺系統的前置作業，經過處理再置的影像以利機器進行控制與判斷，也具備了可再現性以利 人眼後續之觀察記錄，以便提升自動化生產流程或系統之操作性與精準度。 機器視覺技術之流程 以下所介紹之流程(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 可選擇性(option)的供人類於流程設計時自由增減，以有效地符合於不同之應用領域： 1. 影像擷取(Image Acquisition) ：基本上，影像之產生不限於可見光源(Illumination) ，凡藉由能量源或 光源與取像景物(Scene)對於光源的反射或能量吸收或其組合均可。可以為可見光、紅外線、雷射及 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來源之一；取像 景物於不同應用上則可能為電子零件、人類器官、欲監控之環境等；透過影像感測器取像且成像輸 出後，所獲取的資訊便經由影像呈獻出來了。 2. 影像強化(Image Enhancement) ：所謂之強化，即為將所取得之影像進行處理，使其結果對特定性的 應用而言比原始影像更適用，意即將我們感興趣的資訊保留下來並加強其與週遭背景之差異性，例 如邊緣增強(Edge Enhancement)處理及提升對比度；或抹去於特定應用所不必要之資料，如影像高、 低通濾波(Highpass/Lowpass Filtering)處理。 3. 影像修復(Image Restoration) ：當所取得之影像包含環境因素(如