智慧製造2019.10.08

Machine Vision 於視覺檢測的應用

飛飛

硬體 創新 服務

 

Machine Vision 於視覺檢測的應用

 

機器視覺 MV目前已到了成熟應用的商業化階段。在 Smart Factory 方面,除了門禁管制、監控裝置之外,Machine Vision 還可用於檢測、Robot Vision等。現階段MV視覺應用於檢測,不只是影像相關技術已達一定成熟度,還有相關的軟體、支援系統直到 AI等週邊也具相互配合水準,市場上已可見多種選擇。MV Inspection的應用包括:

 

量測

尺寸、大小比對等方面採用MV視覺檢測。鏡頭是MV視覺量測的重要因素。由於經鏡頭採樣視覺上相關資料時,其規格將影響採集資訊的精確範圍,像是汽車精密零件vs 圓型包裝容器的量測就是明顯相異的量測範圍,那麼在影像攝取速度還是解析度等不同規格等級的相機 vs 價格等方面就需取捨。目前不同規格等級的 MV視覺檢測裝置,還將因相異的資料傳輸量/率等,牽動採用可存儲影像的獨立式MV視覺裝置,還是必須即時回傳資料於作業後方的主系統,這些都是目前MV視覺檢測所應用於量測的必需考量。

 

辨識

這是將Object Recognition 應用在檢測方面;譬如:PCB 板上零件是否完整? 或是否為正確型號的零件?或是傢俱附件單一包裝內的品項是否缺件? Object Recognition 事實上牽涉較深的 Machine Learning,包括:從物件定位、偵測及至最終成功辨識,因此特別著重於 CNN等相關圖像辨識演算法。由於產線作業講究產能,檢測用途的物件辨識也一直並進追求高正確率與快辨識速度。

 

定位/校準

特別是精微體積的產品,像是半導體業本身產品;或是醫療等級用品;或是超大型精密機台的定位安裝,透過 MV 視覺進行檢測或校準,將比過往人工或機械性測量快又精確。此類別特別強調Object Location 技術,也就是上述辨識用途中的物件定位功能。Object Location 的演算主要在於擷取畫面中各個物件的相對距離,再比對預定距離後,歸結出檢測結果。除了狹義的定位需求之外,像是螺絲釘是否拴緊,除了壓力測試之外,還可採用MV 視覺的定位校準,以加快檢測速度;或是作為二次測試。

 

瑕疵品

不良率一直是所有產線相當重視的一環。Machine Vision應用於瑕疵檢測,不但能以科學角度精確探知,也能看見我們肉眼看不見之處;並且從無視覺疲乏之苦。像是:要求絕對淨潔、平滑的太陽能面板、晶圓、螢幕面版等,其裂痕、塵粒等相關檢測即為一例。MV 視覺用於像這樣的瑕疵檢測時,光成為重要因素。檢測當下的光源、光度等都將影像檢測結果,因此可能加重其在演算法上的比例;也有的以多具不同角度位置或是規格不等的鏡頭同步採樣,再交錯比對。

 

以上是現階段Machine Vision於檢測用途方面較為常見的應用。目前機器視覺剛進入檢測應用階段,相較於既有的人工或機械性檢測,可說是在這從無到有的背景下,具顯著益進效果。MV 機器視覺檢測的相對優勢包括:

 

  • Precision
    由 MV 視覺進行檢測,從尺寸到色彩等種種物理特性,不僅能夠以量度化精準檢測,還能要求到超越人體視覺生理極限如毫米等級的檢測。

 

  • Synchronization
    機器視覺 MV 可以一次視覺蒐集全面性資訊。量測、辨識、定位/校準等等數種檢測,可經一次性採集資訊並檢測,簡化流程及作業時間。

 

  • Consistency
    量度化精確檢測,可確保一致性比對。檢測也不再受限人工檢測所造成相對較高比率的因人而異判定,可減低失誤率。

 

  • Training-free
    MV 視覺檢測能夠依需求,透過視覺化管理面板,直覺調整檢測標準。不像人工檢測必須一次次因應變更而一次次再訓練所有檢測執行人員。

 

  • Real-time Analysis
    以機器視覺檢測時,在蒐集資訊的同時間,即時上傳系統,也就能夠即時進行分析,沒有時間落差問題,加快檢測速度。

 

  • No Interruption
    透過Machine Vision 視覺檢測,可以裝設鏡頭及相關系統於產線上合適位置,干擾產線作業至最低;不似人工檢測,可能需配合如降速以避免工安顧慮等必要調整。

 

  • Automatic Database
    蒐集資訊的當下,即時載入資料庫。一步完成資料蒐集、檢測任務及實務記錄;並經連線從 Edge 匯入Cloud的大數據,提高資料時效性及資料庫內容。

 

  • Big Data Effects
    大數據不只是時間性的歷史資料累積,還能涵蓋裝置供應商 (如AI生態系 HostAI training 所累積的更廣泛性經驗值,並能夠經MV視覺檢測相關系統直接應用於後續的檢測任務。如此的經驗傳承,不只精確於數位資訊,也能無縫傳遞於新的檢測實務。

 

  • Malfunction Reduction
    MV透過以量度化提高精準性,減少檢測失誤,降低產線因瑕疵品導致後續流程的機器故障率。

 

MV視覺檢測在導入產業階段過後,可預見將持續追求精確度、檢測速度、流程效率等全面性 MV視覺檢測成效升級,而如此的續升級也將奠定於MV視覺檢測導入後長期累積的 AI 智慧。再者,檢測方面的AI經驗值將不只提升檢測成效,同時也能回饋產線流程、機台設計,以至產品設計等方面的實務,特別是思考/決策層次先前隱而未現的角度。換句話說,透過MV視覺檢測所達到更深度的檢測,也將可成為保有長期市場競爭力,甚或成為市場領頭羊爆發力的另類密訣。

 

 

延伸討論

智慧製造

AI 晶片不看熱鬧看門道……怎麼挑?

飛飛
又是IoT物聯網、又是AI 人工智慧,不只Cloud 雲端,還有 Edge 邊緣……當然,老闆照例叮囑的 「又要馬兒好還要馬兒不吃草」也不能忘 ─ 左手抓著效能、右手托著價格、頭上盤著功能、腳頂著低耗能……想要落實物聯網,滿足多方需求,首先AI晶片看仔細。
智慧製造

AI Chips 口味眾多,混搭聯名時尚風

飛飛
隨著通訊市場進入 5G 開通初始階段,AI 市場的發展也愈發如火如荼。AI Accelerator 的競爭朝向從硬體到軟體/軟體到硬體建構出完整的 OT-CT-IT 生態系。這也就是說,如:NVIDIA、Intel 等硬體商,開始發展自身的 AI Instance;而像 Google 這樣軟體起家者,則反向跨足 AI Chip 硬體。相對的,有道是現成的最好用,因此如 NVIDIA 用上了可謂 AI 生態系競爭對手的 Tensorflow 框架;或是 Google Clouds 反之用上了 NVIDIA 的 GPU;或者像 Intel 直接採取併購策略。可以說,不僅是 AI 晶片發愈多元,AI 生態系更是混搭聯名現正夯。
智慧製造

虛擬 vs 實境 背後的技術運用

飛飛
AR / VR / MR 帶我們進入虛擬幻境新視界。《愛麗絲夢遊仙境》成了人人都可身歷其境的超現實體驗。迷幻眩影、實虛交融又是怎麼辨到的呢?