機器視覺的定義、原理與展望｜機器視覺技術的未來發展
機器視覺(MachineVision)是以機器模仿人類視覺的光學識別系統, 它利用攝影機和電腦,來擷取,分析及解釋影像內容,進而下達某些決策.
機器視覺系統常包括光源,光學系統,二度空間感應器(Sensor)及電腦等設備機器視覺的研究己有三十多年的歷史,雖然仍未具有人類視覺的威力和智慧,但是對於可控制環境之下的明確工作任務,機器視覺卻能以100%正確的效率及一天24小時的持續工作,來完成人類所不能完成的任務。
機器視覺的原理
(一)機器視覺的技術原理
機器視覺的處理為影像處理基本上包括如何輸入類比訊號,如何處理數位影像,如何取樣數位影像,如何分析數位影像等四項技術。
1. 如何輸入類比影像
物體經由攝影機取像轉為視頻訊號,輸入視覺處理器,再經由類比數位轉換器數位化,存入記憶體。
2. 如何處理數位影像
(1)視頻輸入裝置:將影像數位化存入記憶體
(2)陣列處理器:根據輸入的檢驗規範,將影像做快速的比對
(3)中央處理單元:控制其他工作單元,執行軟體及控制輸出入介面
(4)視頻輸出單元:顯示影像及分析結果
(5)輸出入介面:連結視覺系統至其他機件
3. 如何取樣數位影像
取樣是將攝影機連續輸出的影像訊號,經由類比數位轉換器轉成數位數據,稱為圖像(Pixel).每一圖像的垂直及水平大小均相同,將影像區分為320個水平圖像及240個垂直圖像,通常是每1/60秒取一次影像,每一圖像再區分為64個灰度值( Gray Level)
來代表影像的黑白層次
4. 如何分析數位影像
(1)經由物體邊緣特徵(Edge Patterns)辨識影像,邊緣是指物體某一部分的亮度值有明顯的變化,這些圖像稱為邊綠圖像,由視覺處理器去計算邊緣圖像的數量稱之為邊緣測定(Edge etection)不同的物體會有不同的邊緣特徵,電腦就是利用這種特徵來進行檢測.
(2)相關性(Correlation)相關性是一種數學運算技巧,用來決定物體是否在形狀及其他特徵上有相關性,電腦再經由相關值(CorreationValue)來判定待測體的好壞,或找出物體的位置.
(二)機器視覺的檢驗原理
1.檢驗訓練:檢驗訓練是告訴視覺系統要檢驗什麼元件,此元件有那些特徵及檢驗規格?
2.找尋待測體:待測體在自動化的生產過程中通常是快速移動,視覺系統必須精確地找到待測體,才能檢驗分析
3.檢驗分析:視覺處理器對待測體進行分析或量測,以判定待測體是為良品或不良品
4.介面輸出:根據檢驗結果,驅動其他機件將不良品剔除,或驅動機器人做精密定位
機器視覺的展望
由於機器視覺比人類更能適應於一些非常地惡劣環境下的工作，如高溫、寒冷、真空、大氣壓力、太空等人類無法適應的環境中工作，故產業界對機器視覺的依賴將愈來愈重，此外機器視覺能二十四小時無休止地工作，且在高速下執行100% 的線上(On-Line)檢視，而檢視的準確度也達到接近１00%的程度，因此，產業界在提升生產自動化上和品質管制的檢驗上，將會大量地採用機器視覺。
今天，機器視覺將廣泛地應用在工業界的生產製造和製程上的檢視(Inspection) ，導引(Guidance)、控制(Control)、識別(Identification)和物料搬送(Material Handling) 方面，以及電子業上積體電路、裝配上，和汽車工業的零件組裝及鋼板焊接檢視上。
未來在產業界以提升生產力為目標下，機器視覺成為產業自動化的主力，在加上近來，政府交通部門更是將其應用在行車安全監視系統和公路收費站收費監控之中，機器視覺的未來發展技術將包括發展客戶視覺晶片( Custom vision chip )以提升泛用型視覺系統的處理能力，以及朝向易用系統( Easier to use )兩個方向發展，為使機器視覺系統未來能應付各式各樣的應用，發展新式軟體工具也是一項趨勢，例如以模型比對法( Pattern matching method )或以輪廓測距法( Contour finding method ) 的視覺系統，來辨別各種標的物。
