在自動化生產過程中，以人力進行檢測十分耗費成本與資源。

透過AI光學檢測技術的導入，可以大幅改善傳統人工檢測的缺點，

縮短整體檢測時間與成本，進而提高整體產線的效率。

工廠的智能化、智動化是全球趨勢，但台灣產業現行的自動化，除了製程端的高階生產設備外，檢測端的工作站多半仍依賴大量人力目檢，特別在近年料工雙漲、人力短缺的環境下，組裝、檢測、包裝線的智動化規劃已成為業界的重要課題。透過AI智慧檢測與自動化，才能為產線帶來更大的效能提升。

電腦視覺的重要性

AI光學檢測是一種整合了高速度與精準度的光學影像系統，這種系統是以電腦視覺來作為檢測的基礎，透過不同感測器來取代人類的眼睛、耳朵、大腦、手部等知覺與動作，透過背後的AI數據分析，就可以達到自動化生產中高速精準檢測的目的。一般來說，AI光學檢測技術包含了量測鏡頭技術、光學照明技術、定位量測技術、電子電路測試技術、影像處理技術，以及自動化技術等不同層面的技術整合。目的在於改善傳統人力造成的缺點，通常可以透過光學儀器來取得產線或產品的狀態，再以電腦進行影像處理，檢測產品的異常狀態與瑕疵，再進行後續的處理。

電腦視覺是人工智慧的一個分支，能夠讓電腦和系統從數位影像、視訊和其它的視覺輸入資料中提取有意義的資訊，並根據這些資訊採取行動或提出建議。而在電腦視覺系統中，也涉及了很多重要的技術整合，其中最重要的是要讓電腦能夠看見，電腦的眼睛也就是電腦視覺，這些應用會使用到全域快門感測器的技術。

圖1 : AI自動光學檢測技術整合示意圖。（製圖／王岫晨）

電腦視覺之所以對於工業市場如此重要，特別是在機器人與工業控制，例如在生產過程中需要避免相撞，所以要有物體偵測和情境分析能力，而這些都需要使用全域快門感測器。而例如條碼辨識也屬於工業控制中的電腦視覺應用。全域快門的原理完全不同，一次拍攝整幅影像，且拍攝時間非常短。只要拍攝物件不是快速移動的物體，成像效果非常準確，因此完全可以用於電腦視覺。

全域快門感測器優勢

全域快門在工業上現行的應用，可以舉兩個應用非常普遍的例子。例如在工廠的生產線上，可以發現很多全域快門感測器進行高速偵測。除此之外，還可以看到利用感測器掃描條碼。這在生產過程中非常重要，因為產線需要追蹤產品、裝配狀態和其他狀態。而在其他工業領域，如機器人、AGV或掃地機器人，也可以使用全域快門感測器來避免碰撞和同步定位及地圖創建（SLAM）應用。此外，還可以將其用於物體辨識和存取控制。因此，這些都是全域快門感測器最常見的工業應用。

一般來說，機器視覺應用於車規跟工規，會有些許的差異，最主要的差異是基於安全性的差異上面。車子是快速移動的物體，所以特別側重的是安全問題。舉例來說，溫度就是一個明顯的例子，工規環境經常室溫些許高於室溫，而車規是要適應任何自然的環境，在負40度到125度之間，元件都要能夠正常操作。另外，基於這個條件，在常見的測試上面，就是可靠性的測試，它們的要求也相對是2倍、3倍甚至5倍的嚴苛。這些具體的量化規範，都在一個國際的標準AEC Q100上面，所以不論是在工規或車規，都必須要符合不同應用規範的設計原則。

機器人與電腦視覺

在工廠產線中，機器視覺能夠進行生產線上的檢驗、機器手臂的分辨物件，這對於製造業是非常重要的應用。

光學感測器的應用，並非只有全域快門一種，另外還有十分普遍的捲簾式快門。這兩種技術各有很多應用情境。在主動光源的應用情境上，全域快門影像感測器有絕對的優勢。最顯著的就是取像的時間是非常短的，在極短的時間擷取畫面，它的影像除了在今日的條件之下達到很高的精準度以外，發光源所需要的功耗能量也大幅下降。因此除了省電以外，整個視覺擷取效果也是非常顯著的。而在今日，讓全域快門產品普及化與效能提升，也是這種光學感測器的發展關鍵。

至於全域快門感測器在智慧製造上面最明顯的應用情況，就是機器人或者電腦視覺。在工廠製造產線中，機器視覺與電腦視覺能夠進行生產線上的檢驗、機器手臂的分辨物件，這些應用在製造業中是非常重要的應用。至於針對機器人，現在機器人發展有非常多的趨勢，但是其中以影像為基礎的這條路線是非常明顯的。以影像為基礎，就代表了機器人有了視力，那麼我們看到的情況就是，首先，利用兩個單色NIR感測器（近紅外光波段）的搭配，使其產生了學名稱之為「雙目照相的系統」，這個系統是對障礙距離的判定。

至於第二彩色的感測器是針對物件判定，對機器人來說，不管要回避或是拿取，做任何動作，它必須先判定這個物件，才能開始進行動作。另外，全域快門在繪製平面地圖、立體地圖也有絕對優勢。針對未來的趨勢，在機器人上面的物件，對物件的判斷，對空間環境的判斷，都是預期未來全域快門感測器對機器人應用的重要趨勢。

準確成像同時降低系統功耗

ST影像感測器產品包括三大家族：一是飛行時間感測器，包括dToF直接感測器和iToF間接感測器。二是全域快門影像感測器，包括主動立體視覺或結構光鏡頭。三是環境光感測器，包括自動調整平衡技術。

工業用全域快門影像感測器目前共有兩類產品，一類是VD55G0，40萬像素。另一類是VD56G3，150萬像素。兩種產品採用的都是ST 3D技術，最初的設計包括兩層陣列，之後ST將其合二為一形成單一陣列。這些產品擁有三大優勢：首先ST的感測器940nm具有最高的量子效率，這會帶來極高的NIR敏感度，而電腦視覺主要就是採用NIR技術。其次是正方形感測器的解析度與鏡頭最佳配對，之所以採用正方形，是因為電腦視覺的採集物件通常是正方形，例如人臉通常就是的正方形。ST感測器拍攝時間很短，能夠在確保準確成像的同時降低系統功耗。

除了這些影像輸出功能，還可以進行資料輸出，其中之一就是光流輸出，透過運算動作向量獲得資料。例如顯示人的肢體動作，感測器可以採集資訊、輸出資料，利用光流進行手勢辨識和追蹤。

另外，ST還有一種AI鏡頭，包括三大類：一是感測，二是運算，三是通訊，電腦視覺技術基本上需要這三步。首先要有許多感測器進行資訊採集，包括ToF、IMU這些全域快門感測器，然後將資訊傳送至MCU這些AI深度學習演算法以取得產出，最後再將結果傳送至無線裝置。

讓硬體資源使用最大化

傳統AOI影像處理演算法，對於背景單一、簡易的影像特徵，經由人為編程的Rule-based演算法，即可滿足基礎的影像定位、量測、物件偵測等需求。以金屬外觀表面瑕疵檢測為例，由於瑕疵特徵的多樣性與不確定性，再加上產品表面處理的噴砂塗層，在高解析度的光學系統下，形成背景複雜且多變異的瑕疵特徵，造成難以由人為編程出傳統Rule-based的演算法，發生工程師不斷調校優化參數，也難達到客戶良率普遍為99.8 %以上的要求，使得AOI瑕疵檢測系統維護不易，工廠維運成本高昂的局面。

在高效率與高品質的要求下，麗臺發展出AIDMS解決方案。麗臺科技電腦事業處周世偉總經理表示，協助企業數位轉型，無程式碼操作介面已是基本要求。導入麗臺科技AI整體解決方案-AIDMS管理系統，可減少50％以上的AI環境建置時間。除此之外，AIDMS容許使用者將未導入AIDMS前開發的AI模型和標註好的數據資料上傳至AIDMS平台，在GPU助力下，加速驗證及再訓練，做好AI維運。

結語

圖2 : 人力檢測耗時費力，也容易導致人為錯誤，並降低整體生產力。

AI電腦光學檢測，是屬於非接觸式的檢驗，在自動化的生產過程中，由於過去以人力進行檢測的方式十分耗費人力資源，也容易因為人為犯錯導致成本的損失，而且人力速度有限，降低整體生產力，也無法進行全面性的產品檢測。現在工廠生產線透過AI光學檢測技術的導入，就可以大幅改善傳統人工檢測的缺點，縮短整體檢測時間與成本，進而提高整體產線的效率。

*刊頭圖（source：OnRobot.com）