各类的检测、测量和零件识别应用是现代工业自动化的重要制程一，机器视觉在其中扮演了重要的地位，虽然随着技术的快速演进，机器视觉应用层面日渐宽广，不过制程应用仍是机器视觉的核心应用，就系统面来看，现在制程设备延用的技术越来越多，整合已成为制造系统设计时的重要考量，机器视觉作为自动化系统的重要组成之一，与异系统整合自然也成为设备厂商不可避免的课题。

图一

目前机器视觉在现在工业自动化生产的主要应用，包括汽车零配件尺寸检查及自动装配的完整性检查、电子装配线的元件自动定位、饮料瓶盖的印刷品质检查，或是产品包装上的条码和字元识别等，这检测都需要机器视觉与其自动化技术的相互整合。

制造仍是最大应用

机器视觉的运作流程，主要是先透过镜头撷取图像，再将该图像传送至处理单元，通过数位化处理，根据图元分布和亮度、颜色等资讯，来进行尺寸、形状、颜色等的判别，进而根据判别的结果来控制现场的设备动作。

前面提到的应用产业，其共同特征是连续大量生产，此外对外观品质亦有非常高的要求。通常这种带有高度重复性和智慧性的工作，只能由人工检测来完成，部分传统制造工厂中，生产线后面可以看到数量庞大的检测工人来执行这道程序，但在增加了这些巨大的人工与管理成本的同时，却仍然不能保证100%的良率，机器视觉的导入，则协助解决了这些问题。

虽然前面谈过，基于演算的复杂性，机器视觉在品质控制上，并不能完全取代人眼的运作，但相对而言，比起人类的疲劳与不专注所造成的误差，机器视觉仍有一定程度可以取代前述问题。

机器视觉系统最大应用，目前在于工厂作业生产线，借以提升线上高速率制造的检验处理。但在高阶使用者如IC制造与LCD业者的要求下，更快速的视觉系统需求不断的被提出，解析度更高、功能更细密的系统受到更多的瞩目。

目前趋势，主要是以整合快速微处理器，来加快视觉系统速率，提升速度后，机器视觉系统于制造生产线上，可以处理更多的零件，而更可以检视每一零件的「更多特征」，亦可提供更多零件的详细影像分析，这样的趋势，也将机器视觉系统的效能再往上提升。

机器视觉 已成自动化生产重要机制

不过相较于多元化的应用模式，机器视觉技术，最重要的仍在整合性应用。

以汽车产业为例，机器视觉已成为汽车工业生产线不可或缺的技术，目前机器视觉在汽车及零部件制造业中的应用范围，主要涵盖汽车零部件生产线、零部件定位、车体识别、各种汽车零部件精度的影像检测系统、齿轮缺陷检测、发动机总装检测、火星塞检测、汽车装配及灯光检测等领域，就此来看，机器视觉已成为汽车及其零件制造业的标准解决方案。

就市场面来看，近年来以汽车工业为重要发展的大陆，也开始大量导入机器视觉，大陆厂商指出，机器视觉技术的应用不仅提高了生产效率，也同时降低成本；从技术的发展的角度来看，机器视觉技术已提高大陆汽车的制造品质。

碁仕科技资深经理周坤仁指出，机器视觉是自动化系统的一环，整合功能相当重要，因此系统整合商必须全方位布局，提供软硬体元件与技术支援，包括摄影机、镜头、光源、影像卡以及软体，另外像是PC-Based所需的影像撷取卡、单机应用需求的Smart Camera等，也都是必须，周坤仁认为，机器视觉的应用包罗万象，各产业都会有其可应用发挥的空间，在台湾除了电子业之外，像是食品包装业、制药产业、玻璃、钢铁、造纸等各产业，也都有其不同的机器视觉需求，因此不能仅以一种装置或解决方案，处理各产业需要解决的问题，「只有整合，才能扩大自动化生产的完整性。」

由于碁仕科技为欧系视觉产品的代理商，周坤仁指出，碁仕科技强调的是在机器视觉领域中GIGI四面向的综合性应用，并整合合作厂商的技术，协助使用者利用自动化设备整合完整的生产线。

周坤仁表示，机器视觉市场的客户，主要包括三类，在制造业应用范畴中的客户群为终端使用者，第二层次为系统整合商，最终则是产业机器设备制造商；而机器视觉本身，亦可区分为两大主轴，分别是PC-Based及单机型。

PC-Based的使用者，大多需要具备程式能力，前段影像撷取的部份可由硬体工程师进行整合；软体部份则需要具有程式能力的软体工程师，来进行系统开发与设计，这一类设备的开发时程较长，适用于有独特需求、并具备软体开发能力的使用者。

这三大客户群，各有不同的技术背景与需求，终端使用者的需求，较多在于简单易操作、All in one的单机型设备，只需要对机器视觉有一定程度的概念与实务经验，即可透过套装软体完成​​单机型设备参数的设定。

她举例，像是在工厂制造螺帽与螺丝，机器视觉的检测就包含了GIGI的四个面向与其他技术的整合，在运作中，系统先透过摄影机辨识螺丝的方向，指示机械手臂的夹取，再由相机撷取影像，同时进行螺距的量测及品质的控管，最后指示手臂将其放入合格或不合格的栏位，这些步骤必须整合演算及运动控制，基本上每个动作都不困难，但困难的问题在于如何整合成顺畅的生产线流程。

软硬兼施 打造最适化系统

至于如何选择适用的元件，周坤仁认为，这要从硬体与软体两方面分析，在软体方面，不论是PC-Based或单机版本，软体的灵活控制为最优先项目，「对使用者友善的介面，对终端使用者来说，是最重要的。」因应不同的需求，机器视觉有不同的作法以及客户群，各有其优势与特点，来满足多元的应用，而在硬体方面，则必须取决于技术整合，如何配合机构限制及功能需求，选择最适宜的产品，是从经验学习而来，就此来看，经验将是自动化系统整合时最关键的一环，他坦言，现在资讯发达，各厂商之间的技术差距并不大，技术已成为市场竞争的必要条件，经验才是决胜条件，丰富的经验将可再有限的成本中，组装出最适化、性价比最高的系统，因此他建议制造业者在面对市场众多选择时，可以从经验多寡的面向来挑选厂商，而非一味只从价格考量，否则其结果将会得不偿失。