工业4.0的核心是智慧工厂，透过智慧工厂，落实高品质客制化产品和智慧产品，而在工业4.0概念下，发展智慧工厂和智慧制造设备需要解决多个关键技术难题，像是精密机构设计、高性能材料、高速网路通讯、云端平台、环境感测和智慧控制等资讯处理方法、系统可靠性等。

其中，环境感测和智慧控制技术是智慧工厂高精度、智慧化作业的关键，因此也是架构者必须首先解决的关键技术难题，而机器视觉是解决智慧工厂环境感测和控制技术难题的关键。机器视觉检测与控制技术是采用机器视觉、机器手臂代替人眼、人脑、人手来进行检测、测量、分析、判断和决策控制的智慧测控技术，是人类模仿自身视觉感测能力，落实自动化测量和控制的重要手段，能够同时满足智慧工厂环境感测和自动控制的多项需求。

提升产品品质 机器视觉角色重要

机器视觉技术可用于智慧工厂中的精密制造自动化生产线、智慧型机器人、线上检测设备、细微操作、工程机械、虚拟实境产品设计等多个领域，在提高航空航太、军工、汽车、电子、精密仪器等行业自动化加工制造水准，保障产品品质等方面发挥巨大作用，因此，机器视觉技术是工业4.0概念中不可或缺的部分。

智慧工厂的系统复杂、应用环境特殊，对机器视觉技术的准确率、即时性、重复性有极高要求。针对这一难题，必须根据应用需求，设计智慧视觉成像系统和自动化图像撷取机构，自动撷取检测物件的高品质图像；撷取的图像经过去噪增强、分割、拼接等图像预处理步骤，改善图像品质；然后采用目标定位与分割算法、目标检测与识别演算法，智慧分类与判别等影像处理过程，落实对检测对象的识别、检测、分析、测量。

图1 : 机器视觉技术可用於智慧工厂中多个领域。（Source: Imaging Ttech Solutions）

智慧工厂根据视觉检测识别和座标测量结果，引导精密伺服运动控制系统可控制机器人完成定位、抓取、分拣、组装、灌装、装配等复杂自适应作业，视觉控制率是根据视觉误差产生控制量，驱动机器人的关节运动，完成给定作业，其中视觉误差定义是给定特征向量和视觉资讯回馈之间的差值。

在回馈环节，透过成像参数、控制物件模型等资讯，将现有图像特征的测量值转化为与给定特征向量同类型的测量值。根据特征向量类型，可分为位置视觉伺服（PBVS）、图像视觉伺服（IBVS）、混合视觉伺服和直接视觉伺服等。其中PBVS采用机器人末端空间座标作为回馈，IBVS将图像特征作为回馈，而混合视觉伺服则将扩展图像座标特征作为回馈。对于传统方法未充分利用图像资讯的不足之处，直接视觉伺服方法将整幅图像作为回馈，透过最优化方法得到视觉伺服中的座标资讯，改善视觉伺服的精度和强固性。与其他控制方法相比，视觉伺服控制的主要难点在于视觉回馈资讯的测量和视觉控制率的确立。

在智慧工厂中，智慧制造系统需要自动化生产线上多种智慧制造设备协同作业，是一种典型的高阶、非线性、强耦合的多变数系统。针对此一难题，可采用多机器人手眼协调控制，将机器人逆运动学分析、轨迹规划、多机器人协同控制、力/位混合控制、多感测控制等智慧控制技术用于视觉伺服中，落实多机器人关节空间的协同视觉伺服控制，提高控制精度和智慧化程度。

机器视觉云端平台设计

在智慧工厂机器感测控制的云端平台设计在智慧工厂中，机器感测控制技术主要用来解决特定的制造作业，如目标识别和座标测量，产品品质和缺陷检测、物理量测量、目标三维建模、视觉伺服作业等。在这些应用中，由于即时撷取的图像本身资料量较大，且影像处理过程通常较为复杂，导致整个资讯处理过程计算量复杂度极高，采用传统的设备运算资源，难以满足上述应用对于即时性的要求。

图2 : 机器视觉技术是工业4.0概念中不可或缺的部分。（Source: CeBIT）

针对这一难题，在工业4.0中，智慧制造过程中撷取的即时图像资料透过高速通讯网路传输到云端平台中，利用云端强大运算能力和计算负载平衡方法，可以满足各种机器感测控制演算法应用的即时性、检测控制精度、稳定性极高的需求。

智慧工厂中的机器视觉感测控制的云端平台，可采用硬体抽象层、机器视觉感测控制演算法层和智慧制造资料库等3层的架构。硬体抽象层可得到设备的成像系统模型、控制系统模型等，作为环境感测和自动控制的基础。演算法层主要包括各种图像去噪增强、目标定位、检测区域分割、目标识别、特征检测、机器学习、视觉伺服控制等资讯处理方法，落实从撷取的图像中提取出目标座标、特征、类型等讯息，满足智慧工厂各种应用对于资讯服务的需求。智慧制造资料库则包括感测和控制目标资料库、图像处理流程资料库等，主要用于存储、配置和统计制造过程中的物流、制造参数、资讯处理流程等，是落实弹性制造和高品质客制化产品制造的关键。

与传统的机器视觉感测控制系统相较，上述云端平台可大幅度提高系统的扩展性与重构性等，同时也降低了系统开发的难度和成本，有利于在智慧工厂中机器视觉技术的普及，提高环境感测和自动控制的智慧化程度。

由于智慧工厂的系统复杂，透过智慧制造设备、大数据、云端平台与资讯物理系统的应用，可满足高度复杂的制程协同控制需求，大幅提升制造过程的智慧化和自主化程度。

机器视觉技术是解决智慧工厂环境感测和自动控制难题的关键，而云端运算技术则可同时解决视觉应用高即时性与图像运算高复杂度的问题，因此对于智慧工厂来说，发展机器视觉感测控制云端平台相当重要，对于机器视觉技术的云端平台设计，必须考量工业成像、负载平衡、自动化图像处理流程、高稳定性与深度学习，方能建构出最佳化系统。

**刊头图（Source:WillFront Sdn Bhd）