機器感測控制技術主要用來解決特定的製造作業，如目標識別和座標測量，產品品質和缺陷檢測、物理量測量、目標三維建模、視覺伺服作業等。在這些應用中，由於即時擷取的圖像本身資料量較大，且影像處理過程通常較為複雜，導致整個資訊處理過程計算量複雜度極高，採用傳統的設備運算資源，難以滿足上述應用對於即時性的要求。

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

針對這一難題，在工業4.0中，智慧製造過程中擷取的即時圖像資料透過高速通訊網路傳輸到雲端平台中，利用雲端強大運算能力和計算負載平衡方法，可以滿足各種機器感測控制演算法應用的即時性、檢測控制精度、穩定性極高的需求。

智慧工廠中的機器視覺感測控制的雲端平台，可採用硬體抽象層、機器視覺感測控制演算法層和智慧製造資料庫等3層的架構。硬體抽象層可得到設備的成像系統模型、控制系統模型等，作為環境感測和自動控制的基礎。演算法層主要包括各種圖像去噪增強、目標定位、檢測區域分割、目標識別、特徵檢測、機器學習、視覺伺服控制等資訊處理方法，落實從擷取的圖像中提取出目標座標、特徵、類型等訊息，滿足智慧工廠各種應用對於資訊服務的需求。智慧製造資料庫則包括感測和控制目標資料庫、圖像處理流程資料庫等，主要用於存儲、配置和統計製造過程中的物流、製造參數、資訊處理流程等，是落實彈性製造和高品質客製化產品製造的關鍵。

與傳統的機器視覺感測控制系統相較，上述雲端平台可大幅度提高系統的擴展性與重構性等，同時也降低了系統開發的難度和成本，有利於在智慧工廠中機器視覺技術的普及，提高環境感測和自動控制的智慧化程度。

由於智慧工廠的系統複雜，透過智慧製造設備、大數據、雲端平台與資訊物理系統的應用，可滿足高度複雜的製程協同控制需求，大幅提升製造過程的智慧化和自主化程度。

機器視覺技術是解決智慧工廠環境感測和自動控制難題的關鍵，而雲端運算技術則可同時解決視覺應用高即時性與圖像運算高複雜度的問題，因此對於智慧工廠來說，發展機器視覺感測控制雲端平台相當重要，對於機器視覺技術的雲端平台設計，必須考量工業成像、負載平衡、自動化圖像處理流程、高穩定性與深度學習，方能建構出最佳化系統。