自2008年全球金融海嘯導(dǎo)致各歐美傳統(tǒng)強國經(jīng)濟重創(chuàng)、歐債危機爆發(fā)，各國政府近年來開始將制造業(yè)競爭力列為重點目標(biāo)，促使各國政府重新重視制造業(yè)的重要性，如2011年德國提出「工業(yè)4.0」，主要著重在推動「 智能工廠」，發(fā)展許多技術(shù)策略，如自動化機器人、大數(shù)據(jù)數(shù)據(jù)分析、物聯(lián)網(wǎng)、網(wǎng)絡(luò)服務(wù)等，以人機共同合作模式來提升產(chǎn)品生產(chǎn)力及質(zhì)量管理。 藉此除了提高不少生產(chǎn)價值外，更能維持在全球制造領(lǐng)域的領(lǐng)先優(yōu)勢。

本文主要以3D影像視覺為基礎(chǔ)，檢測輪胎缺陷為例，首先了解自動光學(xué)檢測（Automated Optical Inspection， AOI）技術(shù)及其重要性，再說明AOI技術(shù)導(dǎo)入缺陷檢測取代傳統(tǒng)人力目視檢測， 最后利用3D視覺缺陷檢測技術(shù)結(jié)合實際應(yīng)用，于不同類型產(chǎn)品進行缺陷檢測。

改進傳統(tǒng)目視檢測缺點 自動光學(xué)檢測精確度高

自動光學(xué)檢測或自動表面檢測（Automated Surface Inspection， ASI）主要以「機器視覺」做為檢測關(guān)鍵技術(shù)，利用高精確度、高速度的光學(xué)儀器，以非接觸的方式取得產(chǎn)品的外觀表面狀態(tài)， 接著再以圖像處理技術(shù)取代人類肉眼來檢測出是否有無異物或異常裂痕等瑕疵，改進傳統(tǒng)上以人力目視進行檢測的缺點，細微缺陷誤差較不易察覺等問題。

AOI技術(shù)導(dǎo)入好處多 產(chǎn)品不良率大減

AOI應(yīng)用領(lǐng)域非常廣泛，包含量測鏡頭技術(shù)、光學(xué)照明技術(shù)、定位量測技術(shù)、電子電路測試技術(shù)、圖像處理技術(shù)及自動化技術(shù)應(yīng)用等領(lǐng)域，廣義的AOI設(shè)備為結(jié)合光學(xué)感測系統(tǒng)、訊號處理系統(tǒng)及分析軟件，應(yīng)用層面可包括宇宙探測、航空、 衛(wèi)星遙測、生物醫(yī)學(xué)、工業(yè)生產(chǎn)質(zhì)量檢測、指紋比對、機器人控制、多媒體技術(shù)。 應(yīng)用產(chǎn)業(yè)包括了食品加工、建筑、電子、機械、鋼鐵、輪胎、紡織及半導(dǎo)體等。

應(yīng)用于工業(yè)檢測技術(shù)方面，相關(guān)設(shè)備大廠如ISRA Parsytec、康耐視（Cognex）、LASE、SmartRay等，也逐漸開始將3D視覺核心技術(shù)投入研發(fā)，突破過去主流基于亮度的圖像處理技術(shù)，有效提升缺陷檢測的準(zhǔn)確性， 3D影像之表面缺陷檢測技術(shù)為一個新穎且值得去深入研究的領(lǐng)域，若未來能穩(wěn)定成熟發(fā)展此項技術(shù)，將帶給工業(yè)檢測技術(shù)另一個高峰。

自動光學(xué)檢測技術(shù)是一種自動化的機器視覺檢測技術(shù)，對于提升產(chǎn)能與產(chǎn)品質(zhì)量扮演著相當(dāng)重要的角色，取代傳統(tǒng)的人工目視檢測，應(yīng)用層面廣泛。

近年來，世界各國紛紛投入3D可視化技術(shù)實際應(yīng)用，藉此突破過去基于亮度之影像技術(shù)，常受限于作業(yè)現(xiàn)場環(huán)境光線、機器設(shè)備或制造材質(zhì)等影響，檢查工程時容易導(dǎo)致肉眼判斷失準(zhǔn)，不注意就會遺漏缺陷或瑕疵， 無法準(zhǔn)確偵測或辨識出問題所在位置，在所有產(chǎn)品制造階段，缺陷檢測是非常重要的一環(huán)，為產(chǎn)品的質(zhì)量做最后把關(guān)，有好的質(zhì)量才能持續(xù)贏得消費者的信賴。

自動光學(xué)檢測結(jié)合幾個重要的架構(gòu)，光學(xué)照明部分，透過CCD鏡頭（Charge Coupled Device）（圖1）、光學(xué)照明設(shè)備，將光學(xué)圖像轉(zhuǎn)換為電子訊號；系統(tǒng)主機部分，由PC與周邊組成；動力控制部分，可程序邏輯控制器（ PLC）或PC Base控制主機；圖像處理部分，圖像處理算法、軟件、通訊設(shè)備等。

圖1 CCD自動光學(xué)鏡頭處理檢測對象

數(shù)據(jù)源：wikipedia［1］

在進行工業(yè)自動化生產(chǎn)過程中，由于傳統(tǒng)產(chǎn)品檢測大多是以人力為主，不僅生產(chǎn)率有限，消耗的人事成本也相對較高，也會有人為誤判的機率。 而AOI技術(shù)投入在產(chǎn)品自動化制程中，除了能大幅縮短檢測缺陷時間、降低產(chǎn)品不良率、準(zhǔn)確檢測出人類目視所遺漏的缺陷與異物等，穩(wěn)定度和生產(chǎn)效率也會有顯著的成長。

隨著機器視覺技術(shù)不斷進步與成長，應(yīng)用領(lǐng)域也越來越廣泛，像是在工業(yè)檢測與商業(yè)應(yīng)用方面，機器視覺技術(shù)常被用來檢測產(chǎn)品瑕疵缺陷部分，此技術(shù)本身具有成本低、效率高、準(zhǔn)確度佳等優(yōu)點，是人機互動中關(guān)鍵技術(shù)之一。

用機器視覺技術(shù)結(jié)合自動化檢驗制程中工業(yè)產(chǎn)品之瑕疵，能提高整體制程效能，如電路板線路上之缺陷、半導(dǎo)體晶圓外觀表面檢測裂痕缺陷、LCD面板表面之缺陷瑕疵等肉眼較不易檢測的缺陷，皆能使用自動化缺陷檢測技術(shù)達到產(chǎn)能提升、質(zhì)量穩(wěn)定 、降低生產(chǎn)成本、減少人為誤差等效益。

自動化缺陷檢測應(yīng)用于產(chǎn)品實例，元智大學(xué)工業(yè)工程與管理學(xué)系之機器視覺實驗室建立一套自動化的檢測系統(tǒng)，于太陽能硅芯片（Solar Wafer）之微裂瑕疵檢測。 太陽能硅芯片具有復(fù)雜晶格紋路之特性，因此利用非線性擴散（Anisotropic Diffusion）設(shè)計一個擴散系數(shù)函數(shù)，同時使用灰階值與灰階梯度值做為擴散處理的權(quán)重因子，將改善后的非線性擴散模式， 將針對瑕疵區(qū)域進行較大程度的擴散平滑處理，并且抑制正常表面區(qū)塊的平滑效果。

藉由改善后的非線性擴散模式將太陽能芯片正常區(qū)塊之灰階保留不變且針對微裂瑕疵之灰階做平滑處理，接著使用原始影像與經(jīng)過擴散處理結(jié)果之影像相減，以去除正常區(qū)塊并凸顯微裂瑕疵于差異影像（Difference image）中， 最后使用二值化與形態(tài)學(xué)（Morphology）后處理技術(shù)分割瑕疵并去除噪聲。