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，由於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於即时性的要求。

/news/2018/12/11/1206393190S.jpg

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、特徵检测、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、特徵、类型等讯息，满足智慧工厂各种应用对於资讯服务的需求。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，主要用於存储、配置和统计制造过程中的物流、制造叁数、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，有利於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。

由於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，因此对於智慧工厂来说，发展机器视觉感测控制云端平台相当重要，对於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，方能建构出最隹化系统。