為提升機械手臂運作的精準度，或讓機器視覺的運用更加彈性，將機器視覺與手臂整合運用的案例越來越多。然而，機械手臂跟視覺方案往往是由不同業者提供，且各自使用不同的控制編程環境，使得手臂與視覺的整合成為一項相當耗時的工程，也讓機械手臂在生產線上的調度跟運用靈活性大打折扣。若可整合為一致的手臂跟視覺編程環境，將可解決此一難題。
機器視覺有助提升手臂作業精準度
舉例來說，汽車生產線所面對的零組件，因為其體積相對大，因此只要有良好的產線規畫，加上產品的來料公差控制得當，即便是盲取盲放，手臂取放作業的精準度還是可接受的。但如果把場景換成手表、消費性電子產品的組裝生產線，那就是完全不同的故事。這類產品所使用的零件非常細小，而且形狀變化大，除非在送料時就已經把每個料件在托盤上的位置跟角度控制得非常精準，否則只靠機械手臂盲取盲放，會很容易抓不到料件，或是放置料件位置偏差。
對於需要精密取放的作業任務，除了手臂本身要有很高的作動精度外，機器視覺也是很重要的系統構成元素。藉由高解析度的工業相機跟適當的鏡頭配置來控制視野(FoV)大小，機器視覺可以偵測到非常細小的物件。舉例來說，若使用500萬畫素(2,560×1,920pixel)的工業相機，並將FoV大小控制在2.5公分乘2.0公分的區域內，則視覺系統的解析度便可達到0.01毫米等級。即便是再細小的電子元件或手表零件，在這種解析度下，也能看得一清二楚。
也因為機器視覺可以實現非常高的解析度，因此在精密機械跟電子產業，機器視覺已經是相當常見的技術應用，例如用來檢視細小文字的印刷品質、零組件的瑕疵、缺陷等。如果是對解析度要求沒那麼高的應用，例如產品包裝檢測，則可用畫素較低的工業相機搭配廣角鏡頭，來實現數量檢測等應用。
機械手臂與視覺編程平台統一好處多
在機器視覺的輔助下，機械手臂抓不到物料或放歪的情況可大幅減少，對生產良率的提升十分明顯，因此對需要精密組裝的產業來說，視覺引導機械手臂(VGR) 已經是很常見的整合應用案例。不過，因為機器視覺已屬發展多年的產業，主要的視覺解決方案供應商也早已發展出各自的軟體編程環境，因此要實現手臂跟視覺的整合，系統整合商(SI)往往得先用各自專用的開發工具來編寫控制程序，而且視覺跟手臂的通訊整合也是相當費時的工作(圖1)。這使得VGR的部署時間大幅增加，而且也限制了VGR的應用彈性，因為兩邊的控制程式不是在同一個平台上開發，故很難做到自動校正。
在實務上常常遇到的狀況是，當鏡頭或手臂有一方受外力影響撞歪，工程師就得到現場去重新進行手動校正；如果遇到產線換線的狀況，也需要重新手動調整相關參數設定跟校正。這項步驟不難，但卻十分繁瑣且耗時，對於分秒必爭的生產線而言卻往往是影響產能的因素之一。這也是機械手臂過去在應用上最大的問題–只適合生產少樣多量的產品，若產線須經常面對少量多樣的生產需求而頻繁進行換線作業，機械手臂靈活度不足的缺點就會被暴露出來。
如果視覺跟手臂的控制編程能夠在同一個平台來進行，VGR的應用開發時程就可以大幅縮短，而且很多參數設定跟校正也可以自動進行，因為視覺跟手臂的資料是完全互通的。這也是機械手臂業者愛普生(Epson)決定投入機器視覺，並推出視覺/手臂編程統一開發平台的主要原因。
一般來說，採用單一平台來開發視覺跟手臂控制程序，應用整合的時間至少可以減少2~3成，主要是在通訊整合上可以省下很多工夫；如果是已經部署在現場的系統需要校正或換線，在該平台的9點自動校正功能輔助下，作業時間更可減少50%以上。
對自動化工程師來說，自動校正是一個非常實用的功能，但這項功能必須在統一的平台上才容易實作。因為在一個帶有機器視覺的手臂應用中，通常是沒有絕對座標系存在的–工業相機有自己的座標系，手臂也有自己的座標系，如果手臂編程跟視覺編程各自為政，則兩個座標系的轉換跟互相參照，是相當麻煩的工作。
但如果是用同一個平台，兩個座標系的互相參照就會非常容易。以Epson的九點自動校正功能為例，首先，視覺系統會在其視野中投射出九個參考坐標點，工程師只要讓手臂點到這九個參考點，手臂端的控制平台就會以手臂的座標系來描述這些參考點，完成手臂座標系跟視覺座標系的對應轉換。
軟硬體雙管齊下 視覺部署更靈活
一個完整的VGR系統是由手臂本體、手臂控制器、工業相機/鏡頭、影像處理設備，再加上控制產線上其他設備可編程邏輯控制器(PLC)或以PC開發操作環境作為主控端。
通常在進行系統布建時，以搭載影像擷取卡跟視覺軟體的工業電腦來做影像處理，會有比較好的擴充性，影像處理效能也比較好，而且成本也比使用專用設備來得低廉。不過，有些生產線因為環境限制無法使用工業電腦，此時就必須採購專用的嵌入式硬體來進行影像處理。
如果是在有工業電腦可用的情況下，Epson可提供PV1(PC Vision)機器視覺軟體給客戶，該軟體最高可支援八支工業攝影機。如果產線條件不允許配置工業電腦，則可選用CV2 S/H(Compact Vision 2 S/H)作為影像處理設備。CV2系列最多可支援四支採用GigE介面的工業相機，以及兩支使用USB介面的相機，共六路影像輸入。
對生產線應用來說，機器視覺系統支援多路影像輸入是很基本的需求，有些攝影機負責取得料件的位置資訊，引導機械手臂運作，有些則可用來進行產品檢測。如果料件是在輸送帶上傳輸，有時還會額外採用編碼器來計算物件在輸送帶上移動的距離，進而讓手臂更精準地抓取到物件。
但不管是何種應用場景，影像擷取跟處理的速度，以及影像本身的品質都是關鍵。處理速度會影響到產線的產能，如果物件必須停下來拍照後再移動到下一站，則整條產線的運作時間就會被拉長；如果工業相機取得的影像有失真，則產品檢測的結果也會變得不可靠。因此，像是飛拍(Catch on Fly)(圖2)、鏡頭失真(圖3)校正等功能，也是Epson機器視覺軟體的標準功能。
AI功能加持 VGR如虎添翼
展望未來，當前話題火熱的人工智慧(AI)，將會讓VGR的功能變得更強大，更貼近產業的現實需求。因此，AI也是Epson目前正在研究中的重要課題。
未來的製造業除了少數例外，高度客製化、少量多樣的生產模式將變得越來越常見，對製造業者來說，這意味著頻繁的換線將成為家常便飯。如何快速調整機械手臂的設定，將成為每個自動化工程團隊必須面對的課題。
現階段，藉由打破機器視覺跟手臂之間的藩籬，已可明顯降低校正跟產線調整所需的時間。接下來，藉由AI演算法的輔助，換線校正的執行將可以更有效率，更自動化。這將有助於推動機械手臂的應用領域進一步擴張，從現在只適用在大量生產的產線，走向更講求靈活調度的小量生產線。
另一方面，機器視覺本身也正在從2D朝3D演進，這個趨勢將使得AI成為機器視覺系統不可或缺的要素。3D機器視覺因為會用多部攝影機從不同角度取得同一物品的影像，倘若該物品的輪廓是不對稱的，則系統會自然地認為這是兩個不同的物體，進而做出有問題的判斷。但藉由機器學習演算法，因取像角度不同做造成的差異就可以自動修正，讓3D機器視覺能做出正確的判斷。
