随着工业自动化检测行业的快速发展，机器视觉技术应用成为行业发展进步的新动力。同时也带动了机器视觉系统、机器视觉检测设备应用的强势增长。

在现代工业自动化生产中，各类产品的外观缺陷检测、尺寸测量等通常由人工检测来完成，不但效率低下，而且不能保证产品质量。同时，对于有些产品微小的尺寸要精确快速测量，形状匹配，颜色识别等，根本无法用肉眼连续稳定地进行，其他物理传感器也难于有用武之地。

这时，人们考虑到了用CCD相机抓取图像，送入计算机或专用的图像处理模块，通过数字化处理，达到判别的目的。这样，就可以把计算机的快速性，可重复性，与人眼视觉的高度只能化和抽象能力相结合。而且，机器视觉系统运用在工业现场的环境下，精度和速度的可靠性也很高。

其中，尺寸测量是机器视觉的主要应用之一，包括产品的一维、二维和三维尺寸测量，是机器视觉发展初期的主要检测内容，视觉检测的测量方法大大的改善了人工检测的速度慢、效率低、误判率高等问题，而且是非接触式检测，易于自动化，而且精度远远高于人工检测的精度。

图例中为维视图像(Microvision)机器视觉系统解决方案之IC尺寸测量检测系统的作业示意图，该检测系统可适用于电子、机械、半导体等行业的精密零件的尺寸测量。

相比于传统的人工测量和机械测量方式而言，机器视觉系统精度高(一般可到0.01mm)、速度快(100毫秒左右)、可靠性高，不受工人的心理因数干扰，客观，可靠，重复性高，非接触无损伤。

随着技术的进步和市场竞争的激烈，机器视觉技术发展强劲，功能逐渐增多，产品也逐渐趋于小型化，适应更多空间的应用。同时集成产品也逐渐增多，智能相机的发展便说明了这一点。

纵观行业发展，机器视觉作为一门新兴的综

半导体科技将自动化与智能化带入了工业生产在线，让工业生产的速度与效率大幅提升。尽管因此抢走不少劳工的饭碗令人诟病，然而迈向更先进的自动化产线，甚至是更高一层的无人工厂愿景，却依然是所有工厂企业主汲汲营营追求的目标。

半自动化vs智能化

NI嵌入式系统项目经理VineetAggarwal指出，机器与人不同，想要让机器顺利运作，就必须给予一堆指令。自动化的意义，也就是让机器能够知道在什么地方，该进行怎样的动作，而不出错。加入更多的指令之后，能处理的事情就更多，且能更早预期会发生的事。

只不过，机器与人毕竟不同，当人累了会知道需要休息，但机器若没给予休息的指令，会一直不断做下去。因此，指令在人的认知里是理所当然的是，对机器来说却完全不然。而从自动化到智能化，其实就是不断给予更多的指令，让机器能更有效率地做出更正确的前期判断，使其提高生产效能、加快测试速度，或者提高机器寿命、并减低人员的伤亡。不同指令给予机器不同程度的进化，然而最终目的，都是希望让机器的行为更接近人类。

当然，要让机器高度自动化，甚至智能化，所需要的指令将会非常庞大。倘若数据量多，信息处理又分属于不同的平台，不仅对于整体一致性将产生很大问题，甚至可能会超过核心平台本身的负荷量。

NI营销经理郭皇志表示，NI针对工业自动化所打造的平台，其设计的初衷就是希望能让整个系统透过同一个处理核心，来进行讯号的判别与运动的控制。就像人也是透过同一个头脑去处理所有的事情一样，如此可将错误产生的机率降至最低。

工业自动化3大方向

自动化当然是工厂生产的利器。在工业自动化一途上，有三大重要发展方向。包括性能提升、降低成本、与功能安全。在性能的提升上，目前不论是智能电网，或者智能化生产工具等，都强调高性能，包括节能减碳、更有效率等，以达到节能减碳的目的。在降低成本上，关键在于单芯片的使用，以及多轴化控制。

特别是多轴控制，过去工厂所使用的机器手臂，多半只有四到五个关节。而未来因应工厂自动化，为了更有效率并降低成本，需要设计结构更为复杂的机器手臂，可以同时间多轴同时工作，而非像过去不同轴只能分时工作。

至于功能安全的强调，其实是广义生命安全的保障，这已是世界的趋势。也就是如何保护机器不损坏，人员不伤亡。因为自动化产线如果需要经常维修保养，停掉一条产线，将造成很大损失。此外，机器如果经常发生问题，不只设备本身易受损伤，也易造成人员伤害。

目前许多厂商都主推能满足这些需求的产品，例如FPGA大厂Altera与Xilinx都持续推出工业自动化相关的FPGA参考设计，量测大厂NI也主打以自家LabVIEW图形化开发软件为核心的工业自动化开发平台，工业自动化市场正蓬勃发展。

多轴化是产业升级关键

在机器人产业中，常见到的机器人种类包括DeltaRobot，以及工业产在线的机器手臂。若着眼的是工业自动化市场，则机器手臂就是目前重众所注目的焦点了。因为工厂自动化能进展到怎样的程度，就端视机器手臂的技术层级。

Altera亚太区工业业务部市场开发经理江允贵表示，为了提高工业产线的自动化程度，目前机械手臂朝向多轴化发展是最主要的趋势。多轴化，顾名思义就是在同一只机械手臂上，有多颗不同马达同时或分时进行动作，其目的就是为了让同一个产品，可以在同一条生产在线就完成生产流程的所有工作，不必分多道产线来进行，如此可以节省庞大的人力与时间成本。

只是，为了达到多轴化的目的，机械手臂上的马达轴数就必须非常多。这些不同的马达，或许同时连动，或许分时动作，然而关键就在于能互相配合。也就是某个轴旋转到了某个特定角度时，另几个轴都必须到达相对的位置上。其中将会牵涉到多轴旋转时间差的复杂运算，这也正是拥有并行处理能力的FPGA，比起仅能进行串行处理的CPU或MCU，在工业自动化领域更具有优势的地方。

江允贵举例说，例如拿半导体封装厂的产线来看，进行芯片封装作业时，机械手臂的运作是非常复杂的，最多可以需求到60多轴的运作。也就是在同一条产在线，若要打好一个封装，必须同时进行60几种动作，其中将会牵涉到非常复杂的机械动作。在加工的同时，当一个轴转到某角度时，其他轴都必须配合到达特定位置上。这种相对的动作，正是机械手臂设计上，最为复杂的部分。又例如直升机的螺旋桨叶片，切割时必须同时进行五轴的连动。除了机械手臂会自己转动，切割刀也必须同时旋转，是非常复杂的多轴同时连动加工。

就工业自动化来说，越多轴的应用，越能把产线加工的层级，再往上提升。透过复杂的多轴加工，可以让产品更有变化性。这也是工业自动化的趋势。

机器视觉重要性日增

NI也特别强调机器视觉的重要性。在很多情况下，工厂作业员经常会因为疲劳与人类的错觉等因素，导致透过人眼检视容易出现问题。NI技术营销工程师黄翔鉎说，NI的机器视觉开发模块，便是专为开发布署机器视觉应用而设计。其中内建数百笔函式，可透过多部相机撷取影像，并透过强化影像、对象定位、识别对象、量测零件，并检验对象是否存在，以便图像处理作业。

事实上，在机器手臂上增加传感器，例如加入CCD视讯模块，来让机器正确动作与定位，或者加入传感器，让机器的运作变得更灵敏与聪明，是工业自动化重要的发展方向。目前LabVIEW机器视觉开发模块，可透过多部相机与机器视觉软件来撷取并处理影像，因此可减少维护成本与开发时间，如需更换硬件，也只要汇入现有程序代码即可。

黄翔鉎说，这套开发模块最大优点，就是能以一整套完整的算法来处理影像，不论是药品包装的光学文字辨识(OCR)，或是检验太阳能面板的瑕疵，都能透过机器视觉开发模块的算法数据库，来解决各种机器视觉应用的难题。

在一个自动化工厂中，包括工业以太网(IndustrialNetworking)、可程序逻辑控制器(PLC)、伺服驱动器、IO、HMI等，都是极受重视的项目。以台湾出口产品中最知名的工具机台(CNC)为例，一个完整的车床、洗床、磨床等，几乎涵盖了以上的所有关键组件。

在这些关键组件中，工业以太网的角色举足轻重。因为在工厂自动化产在线，信息的传递都是透过工业以太网来进行链接。工业以太网不只能用于工业自动化，包括运动控制、智能电网、高铁车厢、捷运闸门连贯、纺织机、工具机等，都是工业以太网的应用范围。

工业以太网的传输线与一般PC所使用的以太网络线相同。传统的工业传输线路，包括地址线、数据线与控制线等，必须采用一大捆的并行线路，但透过工业以太网，只需要一条线就可以传送命令来控制数据，不需要使用数量庞大的线材。而工业以太网也拥有工业应用所需要的容余、以及时间定时管理等功能，尽管工业以太网与家用的PC以太网并非完全相同，然而其精神是一致的。

江允贵说，对于工业以太网，各家大厂都推出自有标准。例如西门子的自有标准为ProFiNET、美国的ROCKWELL标准叫做EtherNetIP、德国Beckhoff推的是EtherCAT、奥地利的B&R则主推EthernetPowerlink，每家大厂都推出自有的协议，其心态无非希望市场都来使用自家的协议，如此一来，可以球员兼裁判，但也导致市场的标准纷乱无章。

各家厂商尽管都有自家标准，但为了市场占有率，也必须支持其他厂商的协议。只是工业以太网标准如此繁多，又该怎么做?

目前市场上存在许多解决方法，例如采用ASIC，但只能选择固定种类的协议。有些厂商则将各种不同协议做成小型的模块，因应客户需求，更改模块来支持不同协议。但缺点是必须针对不同协议，做出多种模块，不只成本提高，在管理上也不具灵活性。这些方式，尽管都能解决问题，但都不是最佳的方案。

江允贵指出，其实要解决这些问题，需要一颗FPGA就够了。FPGA由于是可程序逻辑芯片，因此要什么协议，只需要把该协议的IP写入FPGA里就能支持一次搞定，完全拥有弹性与灵活性。

无人工厂不是梦

从自动化到智能化，工业生产线的终极目标，就是要能打造出真正无人的作业环境。然而这究竟只是个梦想，还是真有实现的一天呢?其实一般来说，机器都需要透过人类的程序撰写，使其进行动作。目前已有许多机器人，开始拥有智能学习的能力，可以透过经验来使其更进化。

郭皇志说，让机器有学习功能，其实是很不容易的事，然而这都已经可以做到了。反观要达到工厂的自动化，其实比让机器自我学习，还要来得容易许多。从这样的观点来看，全自动化的无人工厂，并非遥不可及的梦想。

其实目前许多任务厂都已陆续在部分区域，采用无人化的全机器运作。这显然已经是无人工厂的初步实现，未来厂房无人化的区域势必将不断增加，让更多任务作都可以交由机器来完成。

合技术，不仅在自动化检测行业大放异彩，大大提高了装备的智能化、自动化水平，提高了装备的使用效率、可靠性等性能。同时，也逐步渗透到我们生活的各个方面，将在国民经济的各个领域发挥更大的作用。