在工業應用領域當中，機器視覺這項技術算是重要角色，不僅提升生產效率，還能夠改善產品品質，為製造業提供全新的應用機會。本文探討機器視覺與電腦視覺技術的差異，以及其應用如何驅動工業領域邁向新格局。

根據市場研究機構的數據，全球機器視覺市場預計將以每年7.4%的複合年增長率（CAGR）增長，到2030年市場規模將達到172億美元。隨著工業4.0的推動，機器視覺市場呈現出強勁的增長態勢。

隨著消費者對產品質量的要求不斷提升，製造商對精確且快速的品質檢驗需求也隨之增加。機器視覺技術能夠在生產過程中自動檢測產品缺陷，避免瑕疵品進入市場，從而提升產品品質並降低召回風險。

機器視覺與電腦視覺的差異

在當今科技迅速發展的背景下，機器視覺（Machine Vision；MV）與電腦視覺（Computer Vision；CV）這兩個技術概念經常被提及。儘管兩者在技術層面有許多相似之處，均涉及影像處理與分析技術，但它們在應用範疇和目的上其實有顯著的差異。

電腦視覺：模擬人類視覺的技術

從電腦視覺的核心目標是如何讓電腦模擬人類的視覺系統，理解並處理數位影像資料，包括即時偵測、追蹤及辨識模組的設計、3D立體視覺、增擬實境等，它涵蓋人工智慧（AI）、機器學習（ML）、統計方法及其他工程和電腦科學等多領域專業知識。這項技術廣泛應用於自動駕駛、醫學影像處理、監控系統等許多領域。電腦視覺的應用場景包括即時偵測、追蹤及辨識模組的設計、3D立體視覺、增擬實境等，這些技術幫助系統理解和解讀複雜的視覺數據。

圖一 : 電腦視覺技術與機器視覺技術的關係（source：維基百科；SmartAuto繪圖）

從技術層面來看，電腦視覺建立能夠從圖像或多維資料中取得「資訊」的人工智慧系統。以OpenCV為例，這個功能強大的程式庫與Python語言兼容，更容易與AI技術整合，適用於物件偵測、車牌辨識、工業自動光學檢測（AOI）、醫學影像處理和視頻監控等多種領域。藉由Python套件實現許多醫學影像的讀取與寫入，以及與搭配OpenCV使用實現相關的影像分割等算法，進一步提高了影像辨識的準確性。

電腦系統可以存取大量源自智慧型手機、交通攝影機、安全系統和其他裝置或由其建立的影像和影片資料。電腦視覺應用程式可使用人工智慧和機器學習（AI / ML) 精確地處理這些資料，以進行物件識別和臉部辨識，以及分類、建議、監控和偵測。圖形化設計工具與便利的部署實現流程幫你減輕開發智慧電腦視覺應用的負擔。

此外，電腦視覺技術還結合了深度學習網絡架構，如卷積神經網路（Convolutional Neural Networks；CNN），CNN應該可說在是機器視覺系統中應用最廣泛的神經網路，這種網絡架構通過AI類神經網絡來強化功能，架構上更能緊密地模仿人類視覺皮層和模式識別機制。應用於臉部偵測、辨識及表情分析、雲端智慧型監控服務等領域。這些技術不僅促進了智慧製造與智慧型機器人的發展，還在臨床醫學影像與精準運動科技等方面得到了廣泛應用。

舉例來說，宸曜科技以強固型邊緣AI運算平台搭載NVIDIA GPU與Jetson Orin模組，能在邊緣端提供伺服器級別的推論性能，滿足各種視覺AI應用需求，加速自動化轉型與智慧升級。而NVIDIA近期宣布採用通用3D資料交換框架的全新服務，可加速執行以通用場景描述（OpenUSD）為基礎的工作流程，以及工業數位分身與機器人的開發。

此外，NVIDIA與工業自動化及軟體廠商西門子擴大合作，以使用OpenUSD促進處理更多工業工作負載。西門子把OpenUSD管道與其Simcenter模擬技術產品組合加以整合，能夠即時以逼真畫面呈現複雜的模擬資料，讓使用者更深入明白產品在真實作業環境的表現。

圖二 : 採用OpenUSD的USD Search NIM可以執行3D資產的文字提示搜尋。（source：NVIDIA）

機器視覺：工業自動化的利器

相比之下，機器視覺是一個多學科的工程領域，側重於將影像處理技術應用於工業自動化。其主要目的在於通過影像分析實現產品的檢測、分揀、引導等工業任務。機器視覺強調的是可靠性、精確度和高效率，通常在嚴苛條件下的工業環境中運行，注重解決實際產生的問題。

「效能」為機器視覺及工業應用首重的關鍵。機器視覺主要應用於自主機器人的視覺系統、檢測與測量技術等領域。這一技術領域往往通過軟體與硬體的緊密結合，實現高效的機器人控制或各種即時操作。相比電腦視覺，機器視覺更側重於硬體元件的整合和系統應用的實時性，這使得它在工業自動化中具有不可替代的地位。例如Cincoze德承強固型嵌入式電腦DS-1402可搭載Intel 13/12代（Raptor Lake-S / Alder Lake-S平台）65W處理器，高達24核心（8P + 16E）和32線程的配置，是Comet Lake-S平台處理效能的1.35倍以上。並且支援64GB 4800MHz DDR5 ECC記憶體，滿足需要高度可靠性與資料完整的應用需求，而多樣的儲存選擇讓使用者，可以依據需求自由配置。

另外，透過MATLAB工具箱提供開發瑕疵偵測、語義分割、目標偵測、影像和影片分類等各種深度學習應用場景，藉此可以開發以深度學習為基礎的方法來檢測和定位不同類型的異常，提高生產系統中的高通量品質控制，自動檢查和瑕疵偵測效益。

圖三 : Cincoze德承強固型嵌入式電腦DS-1402以高效能及高可靠性因應智慧工廠、機器視覺等應用。（source：Cincoze）

主要系統及構成元件

機器視覺系統由多個組件構成，包括成像鏡頭、照明光源、工業相機、影像擷取卡以及處理軟體等。這些元件共同運作，以達到精確的影像捕捉、處理和分析。其中的組合要件，包括：

成像鏡頭與工業相機：成像鏡頭與工業相機是機器視覺系統的核心元件。鏡頭的選擇決定了影像的清晰度和解析度，而相機則負責將光學影像轉換為數位訊號。工業相機通常具備高靈敏度和高速影像捕捉能力，能在惡劣的工業環境下穩定運行。

照明光源：照明是影像質量的重要因素之一。不同的照明方式，如環形燈、背光燈、同軸光源等，可根據檢測對象的特性來選擇，以確保影像的均勻性和對比度。

影像擷取卡與處理軟體：影像擷取卡負責將工業相機捕捉到的影像數據傳輸至處理單元。處理軟體則通過複雜的演算法對影像進行分析，提取有用信息並作出決策，如判定產品是否合格。

另外，機器視覺在許多工業領域都有廣泛應用，例如自動光學檢測（AOI）系統能夠在電子元件生產過程中實現高速高精度的瑕疵檢測；在汽車製造業中，機器視覺可用於零件的定位和組裝，引導機械手臂完成複雜操作。

應用焦點各異

不論是電腦視覺或機器視覺，其實都是為了增進圖像技術更適合人眼觀察或傳送給儀器檢測的效能，兩者雖然在技術上有許多共通點，但差異在於電腦視覺強調的是多元應用與AI整合，更注重模擬和理解人類視覺，應用於多種場景，適用在不同情境下的智能化需求；而機器視覺重視工業應用中的高效性與實時性，強調硬體與系統的整合，多使用於檢測和測量，專注於解決實際的生產問題。

預計電腦視覺不僅將繼續在人類生活中發揮重要作用，還將在工業自動化中找到更多的應用場景。另一方面，機器視覺技術作為工業自動化的重要推動力，正以多種方式推動著製造業轉型，機器視覺的高可靠性和高效能將使其在工業領域中繼續保持關鍵地位。隨著技術的不斷演進，這兩個領域的界限或將越來越模糊，甚至相輔相成的促進自動化和智慧化發展，最終實現更強大的智能系統，為各行各業帶來革命性的變革。

結語

圖四 : 隨著自動化需求的增加，機器視覺在物流、醫療和智慧城市等新興領域中的應用將不斷擴展。（source：Basler AG）

機器視覺技術的發展為製造業帶來許多的優勢，從預防性維護到提高可持續性，再到增強客戶滿意度，以及工作場所安全性。未來幾年內，機器視覺技術將持續進展，特別是在邊緣運算、3D視覺技術以及AI整合方面。這些技術發展將進一步提升機器視覺系統的智能化水平，擴大其應用範圍。

隨著機器視覺技術的日益普及，市場競爭會更趨於白熱化。但儘管機器視覺技術的潛力巨大，市場仍面臨一些挑戰。隨著品質檢驗的需求不斷增加，對視覺引導機器人系統的需求增長，當前市場上卻缺乏靈活且高效的機器視覺解決方案，致使市場擴展速度受限於技術的適應性和成本問題。再加上技術熟練人員的短缺，這些因素都限制了市場的快速擴張。

技術創新是供應商的核心競爭力之一。供應商需要不斷研發新技術，如整合AI和深度學習的視覺系統，來提升影像分析的精度和速度。而產品的穩定性和可靠性是工業應用中的關鍵。供應商應確保其機器視覺設備能夠在嚴苛的工業環境中長時間穩定運行，並能夠提供高品質的影像分析結果。

除了產品本身，供應商還需要提供全面的售後服務，包括技術支持、培訓以及維護服務，以確保用戶能夠充分利用機器視覺技術，提高生產效率。此外，隨著自動化需求的增加，機器視覺在物流、醫療和智慧城市等新興領域中的應用也將不斷擴展。如今機器視覺技術在工業自動化中不可或缺，未來將為製造業發展提供更多的可能性，以及在更多領域發揮其價值。

**刊頭圖（source：Onsemi）