自2008年全球金融海嘯導致各歐美傳統(tǒng)強國經濟重創(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，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)展許多技術策略，如自動化機器人、大數(shù)據(jù)數(shù)據(jù)分析、物聯(lián)網、網絡服務等，以人機共同合作模式來提升產品生產力及質量管理。 藉此除了提高不少生產價值外，更能維持在全球制造領域的領先優(yōu)勢。

本文主要以3D影像視覺為基礎，檢測輪胎缺陷為例，首先了解自動光學檢測（Automated Optical Inspection， AOI）技術及其重要性，再說明AOI技術導入缺陷檢測取代傳統(tǒng)人力目視檢測， 最后利用3D視覺缺陷檢測技術結合實際應用，于不同類型產品進行缺陷檢測。

改進傳統(tǒng)目視檢測缺點 自動光學檢測精確度高

自動光學檢測或自動表面檢測（Automated Surface Inspection， ASI）主要以「機器視覺」做為檢測關鍵技術，利用高精確度、高速度的光學儀器，以非接觸的方式取得產品的外觀表面狀態(tài)， 接著再以圖像處理技術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技術導入好處多 產品不良率大減

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

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

自動光學檢測技術是一種自動化的機器視覺檢測技術，對于提升產能與產品質量扮演著相當重要的角色，取代傳統(tǒng)的人工目視檢測，應用層面廣泛。

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

自動光學檢測結合幾個重要的架構，光學照明部分，透過CCD鏡頭（Charge Coupled Device）（圖1）、光學照明設備，將光學圖像轉換為電子訊號；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、通訊設備等。

圖1 CCD自動光學鏡頭處理檢測對象

數(shù)據(jù)源：wikipedia［1］

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

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

用機器視覺技術結合自動化檢驗制程中工業(yè)產品之瑕疵，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達到產能提升、質量穩(wěn)定 、降低生產成本、減少人為誤差等效益。

自動化缺陷檢測應用于產品實例，元智大學工業(yè)工程與管理學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雜晶格紋路之特性，因此利用非線性擴散（Anisotropic Diffusion）設計一個擴散系數(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過擴散處理結果之影像相減，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（Morphology）后處理技術分割瑕疵并去除噪聲。