什麼是機器視覺？

機器視覺運用相機、影像處理與自動化硬體，在工業環境中執行檢測、量測與引導任務。透過以生產速度自動分析數位影像，機器視覺系統協助製造商提升檢測一致性、製程控制能力與產量。

在典型的機器視覺工作流程中，相機擷取沿製造流程移動的產品影像。隨後軟體分析影像資料，將結果與既定標準進行比對，並將檢測結果或量測資料傳送給控制系統。視應用而定，這些資訊可用於將產品分類、引導自動化設備、驗證組裝步驟或監控製程品質。

儘管底層工作流程在概念上簡單明瞭，但為工業環境建構可靠的機器視覺系統，需要對光學、感測器、照明、影像處理、同步與自動化硬體進行細緻的整合。系統效能在很大程度上取決於能否在不斷變化的生產需求下維持穩定的成像條件與可重複的運行。

機器視覺與電腦視覺

術語電腦視覺與機器視覺有時會被互換使用，但在工業與工程領域，它們往往指涉成像系統的不同面向。

電腦視覺主要關注用於解讀數位影像的演算法與軟體。諸如人臉辨識、影像分類、物件偵測與場景分析等任務，通常被視為電腦視覺應用。

機器視覺著重於在工業自動化系統中應用這些成像與分析技術。除了影像處理軟體之外，機器視覺系統還包括相機、光學、照明、介面、同步硬體，以及與工廠設備或控制系統的整合。在工業環境中成功部署，不僅取決於分析演算法，也取決於能否維持穩定且可重複的成像條件。

（如需詳細瞭解這兩個領域如何關聯與區別，請閱讀我們關於 [機器視覺與電腦視覺] 的完整指南。）

機器視覺系統的五大組成部分

機器視覺系統由多個相互依賴、必須可靠協同運作的元件構成。系統效能不僅取決於相機本身，也取決於照明、光學、處理硬體與軟體整合。任何一個環節的侷限都可能降低檢測可靠性、量測精度或系統整體穩定性。

照明

在機器視覺中，照明的目標並非呈現自然外觀，而是營造一致的對比度以實現可靠的影像分析。工程師採用特定的照明幾何結構（如環形光、半球形光、同軸光或結構光照明）、選定的波長（可見光、紅外光或紫外光）以及偏振技術，以提升相關特徵的可見性，同時減少不必要的反光或背景變化。

照明條件在很大程度上決定了哪些特徵能夠被可靠檢測。例如，在環境光下難以察覺的刮痕，在低角度照明下可能變得清晰可見；而近紅外背光照明可以提升某些材料中液位或內部結構的可見性。在許多機器視覺應用中，照明設計是影響系統整體效能最重要的因素之一。

光學

鏡頭收集場景反射的光線，並將其聚焦至影像感測器上。它決定了視野、工作距離、景深與光學解析度等關鍵成像參數。如果光學系統無法可靠地分辨細微特徵，僅提高感測器解析度可能並不會改善整體檢測效能。

高解析度影像感測器對鏡頭效能提出了相對應更高的要求。例如，一顆 2.74 µm 像素間距的 2400 萬像素感測器，需要能夠以相當尺度分辨細節的光學元件。如果鏡頭的光學效能不足，可用的感測器解析度便無法被充分運用。

影像感測器與相機

相機將入射光轉換為數位影像資料。其核心是一顆包含數百萬個獨立光電二極體的 CMOS 感測器。通常有三個關鍵參數會影響相機的選型：

The Imaging Source 的工業相機提供 2.3 MP 至 42 MP 的解析度，配備 USB3 Vision 與 GigE Vision 介面，採用 Sony Pregius（全域快門）、Sony STARVIS（滾動快門）以及 onsemi CMOS 感測器。

處理硬體

感測器擷取的影像資料會被傳輸至處理平台進行分析。最合適的架構取決於應用需求：

• 工業 PC：為複雜演算法、高解析度成像或多相機系統提供高度的處理彈性與效能

• 嵌入式視覺板卡（NVIDIA Jetson、NXP i.MX）：在靠近感測器處進行低延遲處理，常用於機器人、ADAS 以及空間受限的嵌入式系統

• 智慧相機：將影像感測器、處理硬體、軟體與數位 I/O 整合在單一外殼中，從而為緊湊型檢測應用降低系統整體複雜度

視覺軟體

視覺軟體運用影像處理演算法來執行檢測、量測、分類、辨識或機器人引導等任務。

基於規則的方法採用預先定義的影像處理操作與量測標準，例如邊緣量測、像素強度分析、代碼讀取或幾何圖樣比對。這些方法通常快速、可重複，並且在受控的工業環境中相對易於驗證。許多工業機器視覺系統至今仍主要仰賴基於規則的技術。

AI 與深度學習方法通常用於視覺特徵高度多變、或難以僅以固定規則描述的情形。諸如紡織品檢測、食品分級或複雜表面缺陷分類等應用，可能需要在帶標註的影像資料集上訓練神經網路。在實務中，基於 AI 的檢測通常用於傳統基於規則的方法不足以勝任、或難以可靠維護的場合。

運作原理：三步流水線

一旦整合至生產線中，機器視覺系統便作為持續檢測工作流程的一部分運行。視應用與處理需求而定，從影像擷取到系統回應的完整循環可能在數十毫秒內完成。

1. 擷取：觸發訊號（例如雷射感測器、編碼器脈衝或 PLC 輸出）表明零件已就位。照明系統隨之啟動，相機擷取一張照明一致、幾何穩定的影像以供分析。

2. 分析：視覺軟體在影像中定位相關特徵，並運用所需的檢測或量測演算法。典型任務可能包括尺寸驗證、條碼讀取、缺陷偵測或物件分類。

3. 執行：檢測結果透過數位 I/O 或工業通訊介面傳送給生產系統。視應用而定，PLC 或自動化控制器可能會剔除有缺陷的零件、調整機器人定位、暫停輸送帶，或向製造流程的下一階段發出訊號。

四種應用類型：GIGI

許多工業機器視覺應用可歸為四大主要類別，通常以縮寫 GIGI 來概括。複雜的檢測系統可能在單一工作流程中結合多個類別。

機器視覺的應用領域

機器視覺技術應用於眾多產業，系統需求因應用環境與檢測任務而存在顯著差異：