- Advertisement -
首頁 標籤 機器視覺

機器視覺

- Advertisment -

工業相機內建GPU AI正式走上生產第一線

直接在邊緣裝置上進行模型推論(Inference),是人工智慧(AI)走向產業應用的必然趨勢,且隨著半導體元件技術不斷精進,推論發生的地點將會越來越貼近生產的第一線。凌華與GPU大廠NVIDIA合作,正式推出全球第一款內建GPU,可以直接執行推論的工業相機NEON-J,就是AI從雲端走向邊緣的最佳註腳。 凌華科技資深產品經理許凱翔指出,機器學習對機器視覺技術的應用拓展,能做出非常大的貢獻。在過去,機器視覺軟體是以預先設定的規則為基礎,工程師在開發軟體時,必須用演算法把想要偵測的影像特徵,例如瑕疵的特徵詳實描述清楚,系統判斷的準確率才會高。 但在實際應用上,這種方法常會遇到困難,例如待測物本身就帶有某些圖樣(Pattern)時,當瑕疵跟背景圖樣混在一起,系統要精準辨識出瑕疵的難度就很高。這種情況在電子業其實很常見,例如TFT-LCD面板、太陽能電池片(Solar Cell),本身就是有圖樣的產品,要用現有的機器視覺去抓出這類產品的瑕疵,是很大的挑戰。 對機器學習來說,圖樣辨識正是它最擅長的工作。因此,基於機器學習的機器視覺系統,只要圖像處理、判斷的速度夠快,就能為機器視覺技術的應用打開很多新的可能性。這也是凌華跟NVIDIA合作,率先推出整合Jetson TX-2嵌入式GPU的NEON-J工業相機的原因。當推論可以直接在工業相機上執行,不必仰賴雲端,不僅可以省下可觀的網路流量,網路延遲的問題也一併解決了。 不過,由於Jetson-TX2是專為嵌入式應用設計的低功耗GPU,其運算能力無法跟桌上型電腦、伺服器使用的GPU相提並論,因此目前NEON-J不能執行太複雜的機器學習模型,否則會來不及對影像做出即時判斷。 即便NEON-J目前還無法執行太複雜的模型推論,但其基於機器學習的特性,已經成功為機器視覺打開新的應用市場。舉例來說,食品業的產品分類/分級應用,就很適合用NEON-J來執行。像是肉品分切作業,要依照肉品的油花分布狀況來判斷肉品等級,或是肉品出於哪個部位,就要靠圖像識別來實現,傳統基於規則的機器視覺軟體很難處理這種問題。 另一個應用案例是冷凍披薩工廠的品管。披薩廠商在產品包裝前,要先檢查披薩上的餡料數量、狀態做出檢查,才能避免NG的產品賣到消費者手上。從機器視覺的角度,這是一個典型的圖樣辨識問題,例如鳳梨、香腸的片數是否符合標準,有沒有破損,就得靠圖樣識別來做。因為披薩上的鳳梨、香腸切片可能有大有小,傳統的機器視覺分析軟體遇到這種待測物,容易出現誤判。 總結來說,對機器視覺應用來說,機器學習是一個很值得期待的互補型技術。以規則為基礎的分析軟體,在量測物件尺寸、辨識QR Code、條碼,以及引導機器手臂在2維平面上運作,是很有效率的,可靠度也高。但如果是要處理跟圖樣有關的問題,機器學習是比較理想的解決方法。  
0

3D感測/機器視覺強強聯手 AI升級智慧製造商機無限

AI人工智慧讓智慧製造能力再上一層樓,而應用已久的機器視覺,亦從成熟的光學檢測AOI,蛻變為內含深度學習(Deep Learning)技術的電腦視覺,搖身一變成為智慧製造的核心技術,影像與視訊內容的自動擷取、處理、分析與應用更加迅速、普遍與成熟。這樣的轉變不僅展現在生產效率的提升上,更可以進一步精簡人力成本,未來AI系統甚至可以針對機台的問題進行自我檢測,分析問題與成因,然而這僅僅是十八般武藝的開端。 近來,許多新興技術發展並與機器視覺結合,進一步擴大了其功能與應用範疇,3D感測技術包括飛時測距(Time of Flight, ToF)、立體雙目視覺(Stereo Vision)、結構光(Structured Light)等技術可以建立三維感測資訊,尤其測距應用的延伸,將使電腦視覺的功力不斷提升,本活動介紹機器視覺技術架構與應用最新動態,加上多個感測技術的加持,並剖析其與AI結合的發展與應用趨勢。 機器視覺助智慧製造一臂之力 而製造業從工業4.0口號被打響以來,製造系統從自動化進入智慧化的另一個全新的發展境界,機器視覺(Machine Vision)/電腦視覺(Computer Vision)就是達成此目標非常關鍵的技術。倢恩科技研發部經理邱威堯(圖1)提到,導入機器視覺可以使傳統製造業產線的生產方法更具彈性與可變性,並改善作業人員工作環境,遠離危險惡劣的工作流程。使用機器視覺的生產線,讓產品從人工檢測進步到自動品質管理,可增進品管重現性/一致性,以達成高度品質管制,降低人員因疲勞或情緒不佳誤判所造成的損失,同時讓檢測數據數值化,自動產生統計報表以便於管理與決策分析。 圖1 倢恩科技研發部經理邱威堯提到,導入機器視覺可以使傳統製造業產線的生產方法更具彈性與可變性,並改善作業人員工作環境。 機器視覺的基本要點包括:檢測(Inspection)、物件識別(Object Recognition)、量測(Gauging)、機器導引與定位(Machine Guiding and Positioning)。 檢測Inspection 利用機器視覺技術自動檢驗製程中工業產品之瑕疵,例如印刷電路板上的線路是否短路、斷路,半導體晶圓之表面缺陷及LCD面板之缺陷等。 物件識別Object Recognition 用於確認物件的身分,例如車牌辨識、條碼辨識、IC元件之光學字元辨識(OCR)及鍵盤檢視、人臉辨識、指紋辨識、瑕疵分類等。 量測Gauging 以機器視覺技術進行非接觸式的量測,例如工件之尺寸、夾角、真圓度及印刷電路板之線寬等。 機器導引與定位Machine Guiding and Positioning 利用機器視覺引導自動化機器之路徑,例如引導銲接機器人之銲道,無人搬運車之行進軌跡;亦可用於決定目標物位置,如SMT、PCB自動裝配作業的定位與機器人的行走路徑等。 機器視覺影像處理要點 進入作業程序後,機器視覺系統針對擷取到的影像進行處理則是另外一個重點,邱威堯進一步說明,影像強化、影像分割、影像編碼、影像還原等為主要的技術。影像強化是使處理過的影像比原始影像更適合於某一特殊應用,方式包括空間域(Spatial Domain)與頻率域(Frequency Domain)。影像分割則是凸顯出影像中感興趣的部分。 影像編碼就是使用較少的位元來顯示一幅影像,壓縮是最常見的方法。影像還原則是改善或重建一幅遭到破壞的影像,邱威堯說,影像還原技術通常需要大量運算時間,且還原後的效果不見得可以接受,建議由取像環境、設備與技術來改善影像的品質。 機器視覺硬體選擇無唯一解 在機器視覺硬體部分,主要由打光、鏡頭與相機組成。邱威堯指出,打光是機器視覺中非常困難的一部分,需要許多直覺與實驗,而打光技術也無通則,但對於特定應用場合已有經驗可循,而打光的方法是根據待測物的光學特性來決定,打光的目的則包括,取得與強化待測物中有興趣之特徵,使前景與背景明顯不同,強化訊噪比,以得到更高品質的影像,凍結移動中物體的運動並去除鏡反射(Specular Refection)等。 而打光的方式則分為正向打光、背向打光與結構打光。並可再進一步細分為擴散式正向打光、直向式正向打光、低角度斜向打光、同軸打光、擴散式背向打光、遮背式背向打光等多種,端視需要的效果而定。光源部分則以人工光源最常用,種類包括白熾燈的鎢絲燈泡、鹵素燈;放電燈的螢光燈、水銀燈、高壓鈉氣燈、複金屬燈、氙氣燈;固態光源的LED與固體雷射。其中,近年在實務應用上LED燈儼然已是主流。 另一個重點就是鏡頭,邱威堯強調,這部分的選擇同樣沒有最佳解,端視需求與使用者掌握的資源而定,選擇的要素包括視野、焦距、工作距離、相機底座、相機格式(感光元件尺寸)、景深、光圈值、相機型式等。以景深為例,其代表聚焦清晰的範圍,長景深表示聚焦清楚範圍大,短景深表示聚焦清楚範圍小,一般景深可以透過縮小鏡頭光圈來增加,但是照明的亮度也要相對提升,原則上要避免出現短景深的情況,以追求長景深為目標。 3D感測加值機器視覺 3D感測技術並不是全新的技術,由於iPhone X的人臉辨識解鎖應用,讓市場大為驚艷,帶動的發展熱潮逐漸滲透到不同領域。目前主要技術為立體雙目視覺、結構光與飛時測距,艾邁斯半導體(ams)資深應用工程師湯治邦(圖2)表示,這三個技術都需要搭配光源,現階段主流光源是垂直腔體表面雷射(VCSEL),並使用不可見的紅外光,波長850nm與940nm為主,因有極少部分人可看見850nm的紅外光,所以近年940nm使用比例逐漸提升。 圖2 艾邁斯半導體資深應用工程師湯治邦表示,飛時測距、立體雙目視覺、結構光技術特性有些差異,造成不同應用與需求各有優勢。 發光源的部分,除了熱門的VCSEL之外,LED與邊射型雷射(Edge Emitters Laser, EEL)都是常見的光源,以技術特性來深入比較,湯治邦指出,VCSEL雷射光的光線集中,LED則呈現散射方式,因此VCSEL波長範圍穩定,可產生波長最精準的光線,操作溫度最高可達200℃,溫度特性比LED與EEL優異,製造成本與半導體製程的簡易度也有相對優勢,是該技術受到高度注目的原因。 此外,主流的三個3D感測技術,技術特性有些許差異,造成不同應用與需求下各有優勢,立體雙目是由兩個攝影機分別擷取影像,理論與人眼相似,透過三角函數可以測知物體的深度,與其他兩個技術相較由於感測元件技術成熟成本較低,但模組體積較大、耗電量較高,也易受環境變化影響,如天候昏暗就會影響感測品質與準確性。 因為iPhone...
0

挑戰彈性生產難題 雙臂機器人翻轉設計思維

對機械手臂業者而言,人口老化、勞動力短缺等大趨勢雖然有利於業務發展,但若要推動機械手臂普遍運用在各種製造業、甚至非製造業,必然要讓機械手臂朝更靈活、更智慧、更能彈性運用的方向發展。在這個思路之下,有些傳統工業機械手臂的設計理念跟技術可以繼續沿用,但有些則有重新檢視、修正的必要。 彈性生產挑戰傳統手臂設計思維 目前的工業用機械手臂絕大多數都是以大量生產單一產品的應用場景為研發思考的起點,因此整個手臂系統的設計方針,不太會把少量多樣或混線生產的需求列入考量。 少量多樣甚至混線生產的生產線配置,跟大量生產的產線相比,有哪些不同需求?最顯而易見的一點就是換線調度所產生的設備移動、定位校正等考量。目前絕大多數工業用機械手臂都必須安裝在牢固的定點上,無法視產線需求快速調度到其他位置。定點安裝有其好處,因為這種安裝方式更容易讓手臂在又快又穩的前提下執行工作,有助於產能極大化,但缺點就是要換線的時候,若機械手臂的位置需要移動,拆卸跟重新安裝、校正的作業會相對麻煩。 除了移動性的問題之外,換線調度往往也意味著工站的來料會跟著改變,工站本身的配置跟布局也可能會跟著調整,這會影響到手臂的運動路徑規劃。如果手臂的控制系統無法聰明地因應這些變化做出調整,自動化工程師撰寫程式或手動教導的負擔會變得很大。 最後,目前機械手臂所使用的夾爪、治具等配件,大多是針對特定產品組裝工序設計的客製化配件,A產品有一套專屬的夾爪、治具,B產品則用另一套的情況相當普遍。這其實也是為了追求量產速度極大化而產生的設計,但缺乏適應性的夾治具,使得機械手臂在換線時,有時必須更換對應的夾治具,若是遇到混線生產,情況則更加棘手。 歸納起來,對於產品種類眾多,需要頻繁換線的製造業者而言,現有機械手臂不能輕鬆移動、對現場環境的變化適應性不足,使得自動化工程師必須頻繁介入、以及夾治具設計的泛用性不足,是三個必須設法克服的問題。 感知/移動/泛用性成關鍵 如果要讓機械手臂適用於講求彈性生產的產線,機械手臂的設計理念必須跟著調整。首先,手臂設備本身必須具備更高的可移動性,才能滿足產線調度的需求。其次,機械手臂必須有能力感知周遭環境跟加工任務的變化,並做出適應性的調整,不管是在軟體或硬體上都要有一定的適應能力。 關於移動性,這個問題最直觀的解答,就是把手臂設備安裝在可移動的平台上,例如自動引導車輛(AGV)或是推車上(圖1)。這種設計對講求高速運動的工業型機械手臂來說,會構成一定的挑戰,因為慣性會影響到手臂運作的穩定性,如果要手臂運作又快又穩,把手臂安裝在牢固、安定的平台上,還是最好的選擇。但對於講求彈性生產的生產線來說,因為對產線吞吐量的要求相對較低,手臂的運動速度可以適度放慢,慣性所引發的問題也因而從根本上獲得緩解。 圖1 為滿足彈性生產需求,機器手臂必須具備一定程度的可移動性。 至於在感知能力方面,機器視覺是最重要的技術。除了2D視覺外,3D視覺也非常關鍵。2D視覺可以用來讀取QR碼標籤、感知物件的外觀輪廓等傳統機器視覺可以執行的任務,3D視覺則可讓機械手臂據以判斷其所處場景中,各物件在立體空間內的分布狀況,除了可以更精準地抓取物件外,甚至可以讓機械手臂自動閃避其運動路徑上的障礙物。 力覺感測對於彈性生產來說,也相當關鍵。透過這項技術,手臂可以跟其加工中的工件建立起更深的連結,例如精準地控制加工力道,避免損壞產品,或確保零部件被正確地安裝到位。有了力覺感測的數據,機械手臂還可以實現智慧化的力量自動補償,解決零部件公差的問題,或是當公差過大,超過容許範圍時,自動發出示警。力覺技術有相當大的應用想像空間,端看個別生產線的具體需求為何。 完整的感知能力,對於提高機械手臂控制軟體面的適應性,可以帶來很大的幫助。因為有這些即時的感測數據,機械手臂不再只能靠著預先固定的程式,照本宣科地在不同座標點之間移動,或是只對工件施加固定的力量,而是可以按照環境跟任務的變化,適應性地做出改變。 至於在硬體層面的適應性,則必須以泛用型夾治具取代固定型夾治具來實現。固定型夾治具限制了機械手臂可以執行的作業任務,泛用型夾治具則可以在一定程度內解決這個問題。此外,雙臂協同運作也會是未來的發展方向之一,因為雙臂協作可以讓機械手臂執行更複雜的工作任務。 雙臂機器人滿足彈性生產需求 以愛普生(Epson)發展多年,到2017年底才正式商品化的WorkSense W-01自主性雙臂機器人為例,該機型就是以滿足少量多樣、彈性生產組裝為出發點而設計的產品。 WorkSense W-01整體共有15軸關節,包含單一手臂具有7軸運動關節,雙手共有14軸,再加上腰部可旋轉的1軸,可以提供非常高的自由度,以適應變化多端的生產組裝需求,甚至像人類作業員一樣,正面180度以內都是其可以自由運用的工作空間。 此外,WorkSense W-01是一款可以由作業員推到定點後,踩下固定踏板,接上網路線就能開始工作的雙臂機器人,這也意味著該設備不用大幅更改生產線布局,就能整合進原本以人類作業員為核心而規畫的生產線(圖2)。 圖2 WorkSense W-01可以直接推進原本為人類作業員設計的工站,執行作業任務。 而在機器視覺方面,共配有6顆視覺,該設備除了頭部配有2D跟3D機器視覺外,在兩隻手臂的手肘部位也各有一個2D機器視覺鏡頭。此設計可解決手臂擋住頭部視線的問題,消除機器視覺的死角。無死角的機器視覺,對雙臂機器人的應用而言相當重要,不僅能讓手臂避免碰撞,更有助於提高手臂設備的泛用性。 WorkSense W-01的設計理念是可代替人類作業員進駐工位,而在少量多樣或混線生產的產線上,一個工站往往得做很多事情,因此空間利用相當緊湊,一張工作檯上再切割成多個區塊,放置多種零部件跟對應的加工設備,例如焊槍、螺絲刀等,是很常見的情況。因此,手臂必須清楚知道現在要執行的組裝工作為何,相關工具跟零配件放在工作檯的哪個區塊。在這種情況下,利用QR Code標籤來標記工具、零配件的位置,加上無死角的機器視覺,就能發揮很大的功效。 而在夾治具方面,為提高適應複雜加工作業的能力,手臂必然也要改採泛用型夾爪,並搭配力覺感測技術,讓機械手臂不只在機構設計上更接近人類的雙手,同時也有感測力道的能力。WorkSense W-01出廠時的標準配備就是兩軸的四指夾爪,並且在夾爪的四指中間,還有一個類似手掌的設計,以提供更多夾持力道,讓夾爪可以更穩固地夾持工件跟加工設備(圖3)。 圖3 泛用型夾爪讓機器手臂可以滿足各種作業需求。 要滿足多功能工站的複雜作業需求,除了硬體面之外,軟體面的考慮也要更周延,只有硬體到位是行不通的。WorkSense W-01本身內建的控制器有相當大的儲存容量,因此自動化工程師可以預先把所需要的各種加工模式寫成模組,當機器人在工位上就定位之後,只要呼叫模組即可。 也因為該設備本身有很完善的視覺跟力覺感測機制,因此自動化工程師在寫程式的時候,可以不用把每個動作鉅細靡遺地寫死,藉由感測器提供的資料進行即時補償即可。這使得控制軟體的撰寫變得更簡單,在某些情況下,控制軟體的行數甚至可以減少到原本的三分之一。 實現機器換人願景要有新思維 對機械手臂供應商來說,製造業客戶喊出機器換人、無人工廠等口號,雖然是一大利多,但在技術跟產品開發上,卻是相當大的考驗。跟機械手臂相比,人類作業員有完整的五感,加上會思考的大腦,因此面對複雜的加工任務,有很強的適應性。但現有的工業用機械手臂大多是以追求產能極大化作為設計出發點,而不是從滿足複雜、多元化的加工需求來思考,因此在遇到多元化製造或彈性生產需求時,會遇到很多難題。 要協助製造業客戶實現無人工廠,機械手臂必然要變得更像人類,要有感知跟思考的能力,而且在機構設計上也要更貼近人類,才能適用於原本為人類作業員規劃的生產線。這也是Epson耗費多年時間,研發WorkSense W-01自主性雙臂機器人的原因。跟傳統工業手臂相比,WorkSense W-01的特性更貼近人類,能執行更複雜、多樣化的工作任務(圖4)。 圖4 雙臂設計加上完整的感測能力,讓機器手臂的應用彈性大為提升。 這是未來機械手臂產業的一個新的發展方向。追求產能極大化的工業機械手臂,還會繼續朝高精度、高速度跟低震動的方向發展,針對彈性生產,手臂設備必須具備更全面的感知跟判斷能力。對手臂產業而言,這是一個新的發展方向,也會開拓出新的應用市場,未來成長值得期待。 (本文作者任職於Epson)
0

DLP技術結構光助力 3D掃描準確度再提升

3D掃描應用更勝2D 簡易的二維(2D)檢測系統已經問世多年,其應用技術通常是照亮物件並拍照,然後將拍攝的圖像與已知的「黃金」2D參考基準進行比較。3D掃描增加了結合體積訊息的功能。導入Z維數據可以測量物件的體積、平整度或粗糙度。對於印刷電路板(PCB)、錫膏(Solder Paste)、機械零件檢測等產業而言,測量上述增加的幾何結構特性是至關重要的,而這也是2D檢測系統所無法達到的。此外,3D掃描還可應用於醫療、牙科和助聽器等。 三次元量床(CMM)是最早用來收集3D訊息的工業解決方案之一。探針物理性地接觸物件表面,並結合每個點的位置數據來建構3D表面模型(圖1)。接著,光學方法的出現,如:結構光(圖2)。結構光是將一組圖案投射到物件上並用相機或感測器捕捉圖案失真的過程。接著,使用三角剖分演算法計算數據並輸出成3D點雲,而成為用於測量、檢測、偵測、建模或機器視覺系統中所需要計算的各種數據。光學3D掃描之所以會受到青睞,在於不須接觸被測物件,並且可以快速且即時地獲取數據。 圖1  三次元量床(CMM)探針示意 圖2 利用結構光進行光學3D掃描 DLP技術快速生成光圖像 對於光學3D掃描設備而言,DLP技術通常在系統中用作結構光的光源。DLP晶片是一種高反射的鋁微型鏡陣列,稱為數位微型反射鏡元件(DMD)。 當DMD與照明光源和光學元件相結合時,這一種微機電系統(MEMS)便可以為各種投影系統和空間光調變系統提供動力。 由於DMD是一種靈活、快速、且可高度編程的圖形產生器,設計人員經常將DLP技術用於結構光的應用。與具有固定圖形集的雷射掃描機或繞射光學元件(DOEs)不同,它可以將不同位深的多種圖形編程至一個DMD。採用DLP技術的結構光解決方案非常適合需要達到毫米甚至微米範圍的精密量測,應用也相當多元。 .3D AOI 3D自動光學檢測(AOI)是一種用於生產製造的強大技術,可提供有關零件品質即時、在線、決定性的測量數據。例如,3D量測就非常適合用於錫膏檢查(SPI),因為它會測量出在零件放置之前沉積的錫膏的實際體積,有助於防止劣質的焊點(圖3)。在PCB的生產製造中,也會在零件放置、回焊、最終檢查和返工(Rework)操作後進行線上3D AOI,大幅提高品質與可靠性。隨著3D檢測功能的日益普及,有幾個新興的工廠檢測點已開始採用3D AOI系統。 圖3 PCB 3D SPI示意圖 .醫療 3D掃描技術在醫療產業中的應用快速的成長。例如,牙科中使用口內掃描儀(IOS)直接採集光學印模(圖4)。在製作假體修復體時,如嵌體(Inlays)、高嵌體(Onlays)、蓋冠(Copings)、牙冠(Crowns),需要達到微米級的3D圖像精準度。IOS簡化牙醫的臨床操作程序,節省對石膏模型的需求並減輕患者的不適。 圖4 牙科口內掃描儀 另一個快速成長的應用是3D耳道掃描。光學成像系統能夠精確地採集耳朵的3D模型,而毋須再使用矽膠耳模。3D耳道掃描技術未來還可應用於為消費者訂製耳塞、助聽器、及保護聽力的設備。 .工業計量和檢測 許多不同的工業計量和檢測系統已經開始轉向採用3D光學掃描技術。光學3D表面檢測顯微鏡是離線CMM系統的一種替代方案。此類顯微鏡可以測量更多有關高度、粗糙度以及電腦輔助設計(CAD)數據比較的資訊。另外,生產機械加工、鑄模、沖壓製品的工廠也是光學檢測的另一大應用領域。 它們可以更輕鬆和準確地進行X、Y、Z三軸方向的量測,提高品質的保障。市場上也出現了結合內嵌3D視覺系統與機器人手臂的解決方案(圖5)。這些解決方案可大幅地提高汽車(圖6)和其他生產線工廠的速度和品質。在裝配和生產過程中的特定階段,增設3D檢測有助於及早發現品質問題,減少浪費和返工。3D掃描系統甚至可以在電腦數值控制(CNC)設備和3D印表機內運用,即時地對生產過程進行測量。 圖5 帶有3D掃描機的機器人手臂 圖6 3D結構光掃描在汽車檢測中的應用 .Prosumer 3D掃描機 Prosumer 3D掃描機是一可提供專業人士和業餘愛好者以3D數據格式採集實物完整細節特徵的攜帶式工具(圖7)。 圖7 桌面式Prosumer 3D掃描機 採集而來的數據可應用於產品設計、零件工程、3D內容開發或作為3D列印的輸入訊息。例如,線上零售商可以藉由對其產品進行3D掃描,於線上呈現真實、高品質的3D模型(而非2D圖片)。遊戲玩家也可以對自己進行3D掃描並在遊戲中創建自己的角色。 .3D生物辨識和身份驗證3D 3D掃描在生物辨識和身份驗證的應用不斷增加,通常用於安全鎖定或解鎖的裝置、安檢和金融交易。透過3D掃描技術採集的面部、指紋或虹膜特徵,可以使身份驗證更安全且可靠,可大幅減少駭客和其他攻擊的機率(圖8)。 圖8 透過3D掃描所繪製的指紋 整合DLP技術系統設計優勢多 無論是檢查PCB品質還是製作精密的牙科配件,使用DLP技術的結構光3D掃描設備都具備許多顯而易見的系統優勢。DMD微鏡具有微秒級的快速切換功能以及每秒超過1,000個圖案的8位元相移速率,藉由高速的數據捕捉速率實現對測量非常有幫助的即時3D掃描。高速DLP晶片還具有編程靈活性,可在運行中對圖案進行選擇和重新排列。這有助於確保將最佳圖像應用於特定的物件位置或視野內,同時可獲取最準確的3D訊息用於分析。圖像的持續時間及亮度可被控制,以確保物件反射的最佳光量,並使相機的動態範圍最大化。 DLP技術可與各種光源結合使用,且兼容紫外光(UV),可見光及近紅外光(NIR)波長(圖9)。這為基於目標物件的反射率所客製的3D掃瞄系統提供了額外的變通性。DLP晶片可與多種光源和相機相結合的靈活性,使得只須創建一個設備便可測量多個物件,這也使得汽車、工業和醫療產業在設計下一代3D掃描設備時,會優先選擇DLP晶片。在使用DLP技術設計解決方案時,系統整合商可透過靈活的圖像控制和新的結構光算法進行創新。 圖9 可見光及遠紅外光光譜示意圖 此外,開發商還可以最佳化光學架構,以符合檢驗掃描的關鍵解析度及照明要求。令人振奮的是,設計人員可以利用先進的可編程特性將3D掃描提升到新的水準,從而最佳化在光譜、空間及時間三個領域的性能。 DLP產品組合考量因素多 進階光學控制產品組合提供優於傳統顯示器的DMD和輔助控制器成像功能。值得一提的是,DMD晶片可支援波長範圍在363nm至2,500nm之間,二位元的圖形速率高達32kHz,並且可提供更精準的像素準確度控制。以下是進階光學控制的DLP晶片如何最佳化結構光系統的說明。 .DMD特性 1.解析度:在撰寫本文時,DMD的解析度就已達到了0.2至410萬像素(MP)。在需要較大掃描區域或光照度較強的環境中時,傾向於使用較大的1-MP、2-MP或4-MP DMD。例如,在汽車組裝或配向製程(Alignment Process)中的3D檢測,需要在明亮的工廠地板上進行大範圍的掃描。小於1-MP的DMD則傾向於放置在比較好攜帶及低功耗的小型攜帶式或桌面式設備中。 2.電源:最小的晶片組功耗低於 200mW,非常適合攜帶式或電池供電系統。例如,口內掃描儀就是充分利用小型DMD的外型及適用於電池供電的低功耗特性的優勢。 3.波長:使用者可以根據物件的反射特性在採用DLP技術的系統中調整顏色和照明強度。因為DMD可以與各種光源組合,包括發光二極體(LED)和雷射。DMD最佳化了針對紫外光(363~420nm),可見光(400~700nm)近紅外光(700~2,500nm)的使用。對於生物辨識3D掃描解決方案而言,近紅外光波長因其不可侵入性的特性而廣受青睞。紫外光有時候是最佳化金屬反射特性的最適選擇。對白光圖像而言,LED光學引擎是一合適的單色解決方案。 .控制器特性 1.預存模式:DLP控制器為可靠、高速的DMD控制提供了方便的介面。他們可支援預先儲存的結構光圖像,因而不須外部的影片處理器來傳輸圖像。 有一些DLP控制器可以使用一維(1D)編碼預先儲存1000多個結構光行列圖像(參見圖10)。1D圖像利用單一行及列,並在整個陣列中不斷重複該行及該列。Prosumer 3D掃描機產品通常使用1D圖像來幫助降低成本並提高掃描速度。更先進的控制器支援多達400個預存的2D全幀模式(圖11),根據應用或被掃描物件的需要,可以更適應於X和Y。 圖10 1D示意圖 圖11 2D示意圖 2.模式精準度和速度:DLP控制器是用來顯示用於機器視覺或數位曝光的圖案,並支援多變的高速圖案顯示速率,每秒高達32,000個圖案,並具有相機同步的功能。這些圖像速率對於高準確度和高速的3D掃描尤其重要。 從簡單到複雜的系統,DLP技術在設計客製化的結構光系統硬體時,可為客戶提供驚人的圖像靈活性。 對於擴展的3D光學量測應用市場而言,使用結構光的3D掃描是一理想技術。 當選擇3D掃描和機器視覺解決方案時,DLP技術絕對是一有力且首要的選項,因為它具有強大的多功能性,能夠以極高的速度定製圖案,並能夠與多個光源和波長配對。這種多功能性還可以推動客戶創新,將3D掃描系統功能推向新的高度。 (本文作者為德州儀器DLP產品工業經理人、DLP Pico產品行銷以及DLP產品工業業務發展經理)
0

主動抑振技術問世 機器手臂作業更流暢

然而,真實世界的情況並非如此。慣性定律告訴我們,一個物體的加速度越快,要把它停下來,需要越大的剎車力道,而且加減速的力量會影響到整個機械手臂系統的穩定,引發各種振動現象。 玩過夾娃娃機的讀者應該都會觀察到,當夾爪高速移動到定位,準備下去夾娃娃時,即便夾爪已經停在所想要的X、Y軸座標上,夾爪還是會因為慣性力道的大小而出現程度不一的搖晃,導致最後夾爪的落點未必會在所想要的位置上。 被動式抑振一字訣:等 機械手臂上的夾爪、吸盤等夾治具也一樣,當手臂高速運動到定點並停下來時,夾治具往往還會振動一段時間,特別是帶有延伸臂的夾治具,延伸臂末端的振動情況會更明顯。 對於需要進行精密加工或組裝工序的應用來說,因慣性而產生的振動,對完成品的良率會造成很大的影響。振動除了會導致夾治具與工件的接觸點不正確之外,如果是結合機器視覺的應用,工業相機的取像作業也會受到影響,甚至導致系統產生誤判。 要解決這個問題,傳統作法其實很簡單--等。通常由慣性產生的振動,都會在1~2秒內停止,因此手臂移動到定點後,只要稍微等待一下,讓夾治具或相機穩定下來,再開始作業即可。 但這看似微不足道的等待時間,累積起來也很可觀。假設一支機械手臂一天要做100台產品,每台產品只有一個加工動作,每次都要等待1秒讓振動停止,等待時間就長達100秒。在真實的產線應用上,情況只會更糟,因為一支機械手臂可能每天要處理成千上萬台產品,加工動作也不只一個。機械手臂浪費在等待振動停止的時間,是不容小看的。 除了等待振動停止之外,為了減少慣性引起的振動,提高夾治具的剛性,有時也能發揮效果。但這種作法有其副作用,因為夾治具的剛性越高,通常重量也越重,這會使手臂的荷重(Pay Load)增加負擔,手臂的馬達、減速機等都必須提高力量,才能完成同樣的工作。因此,增加夾治具剛性的作法,在實務上很少採用。 在物理法則的限制下,對機械手臂而言,速度、精準度與穩定度是三個必須互相妥協的參數。運動速度越快,精準度跟穩定度就得妥協;若要做非常高精密度或需要高穩定度的加工組裝,手臂的速度就不能太快。 然而,對機械手臂的使用者來說,為了提高產能,加快投資回收,生產速度還是必須盡可能快,否則投資機械手臂的吸引力就會大打折扣。而這也促使手臂供應商必須設法用主動式技術來抑制振動,特別是專注於工業用機械手臂的業者。因為工業用手臂的運動速度極快,慣性所造成的問題也更明顯(圖1)。 圖1 高速運動的機械手臂會承受更大的慣性力,因此夾治具或手臂本體的振動現象也是由此而來。 結合感測/控制算法實現主動抑振 為了因應高速運動所衍生的慣性振動,愛普生(Epson)發展出獨家的振動抑制技術(VRT)。該技術是以Epson的QMEMS感測技術為基礎,搭配其自行開發的軟體平台跟控制器硬體,來抑制手臂高速運動時的振動。 對使用者來說,這項技術能帶來的效益有二,一是減少機械手臂等待振動停止所浪費的時間,二是延長減速機的使用壽命,降低機械手臂故障或維修所帶來的成本。 事實上,手臂或夾治具的振動會縮短減速機的壽命,因為減速機必須出力才能抵銷慣性跟其所帶來的振動,慣性力或振動越大,減速機的對應出力也就越大。減速機又是機械手臂的核心零部件,維修成本不低。減速機的使用壽命延長,有助於降低機械手臂的整體持有成本。 但需要特別釐清的是,抑振技術無法讓振動完全消失,因為振動產生的根源是慣性,這是無法完全消除的。抑振技術只能縮短振動持續的時間,讓手臂更快執行下一個動作(圖2)。 圖2 使用振動抑制技術可縮短振動時間,讓手臂作業更加流暢。 機器視覺/延伸臂夾治具獲益最大 以產線運用情境來看,最能從主動式抑振技術中獲益的主要有二,一是帶有機器視覺的機械手臂應用,二是搭配吸盤或帶有延伸臂夾治具的機械手臂。 以機器視覺為例,如果工業相機是安裝在機械手臂上,則主動式抑振技術可明顯縮短相機的晃動時間,提高影像的品質。但如果工業相機是安裝在手臂以外的某個定點,例如用工業相機做二次定位的手機面板精密組裝,主動抑振同樣可以發揮效益,因為手臂把工件帶到到相機鏡頭前的時候,工件的晃動可以更快停止,甚至幾乎不用等待時間,相機也能取得清晰的影像。 機械手臂搭配吸盤或使用帶有延伸臂夾治具的情況,則是另一個主動式抑振技術的最佳應用範例。前文提到,由慣性引發的振動,在延伸臂末端會特別明顯,因此更需要主動式抑振技術來減少振動時間。 除了機器視覺跟夾治具振動外,手臂本體在運作時也會造成振動,特別是手臂若安裝在剛性或重量不夠的工作平台上時,手臂的振動會更加明顯。此外,若一條生產線上採用多支機械手臂,且這些手臂安裝在同一個工作平台上,隔鄰手臂的振動也會藉由平台傳導到其他機械手臂上。 在這兩種情況下,採用抑振技術也能發揮一定的效果,避免手臂運作受到干擾,或是去干擾其他手臂運作(圖3),進而幫助使用機械手臂的企業,實現更具競爭力的生產製造過程。 圖3 抑振技術的四大目標應用 (本文作者任職於Epson)
0

SigmaStar導入CEVA電腦視覺/深度學習平台

CEVA近日宣布,晨星半導體的全資子公司SigmaStar Technology已獲得CEVA-XM6電腦視覺和深度學習平台的授權,並已部署於其SAV538人工智慧(AI)相機系統單晶片(SoC)中,以實現先進的電腦視覺和基於神經網路的應用。 SAV538 SoC採用CEVA-XM6和CEVA深度神經網路(CDNN)技術,可為各種相機應用(包括監控、汽車和虛擬實境)提供智慧的視訊內容分析。CEVA平台可有效支援電腦視覺演算法和神經網路的組合,為SigmaStar的客戶提供差異化的可編程解決方案,以開發基於AI的相機應用。這款SoC現已供應,並已獲多家OEM/ODM業者用於一系列智慧相機應用。 SigmaStar協理副總裁鄭漢銘表示,對於所有希望在設備中嵌入基於視覺AI的人來說,SAV538智慧相機SoC可為他們提供出色性能和超低功耗。CEVA的電腦視覺和神經網路平台是我們這款SoC的關鍵,使我們和客戶能以簡單且效率高的方式,在邊緣設備上部署高性能電腦視覺演算法和神經網路,而無需連接到雲端。  
0

兆鎂新推GigE工業相機配備/感光元件新品

國際工業成像機器視覺相機及軟體之製造商兆鎂新(The Imaging Source),推出全新10款配備Sony最新Pregius及STARVIS感光元件的GigE介面彩色及黑白工業相機。 The Imaging Source擴展其精巧且高性價比的33G系列GigE介面工業相機。解析度覆蓋範圍自0.4百萬畫素(最高幀速率300 fps)至6.4百萬畫素(最高幀速率19 fps), 相機配備了高靈敏度且低雜訊的Sony Pregius(全局快門)與STARVIS(捲簾快門)感光元件,其提供了出色的影像品質與顏色逼真度 - 黑白相機提供卓越的影像品質及近紅外線高靈敏度功能。相機所配備的高性能Pregius及STARVIS 感光元件超越以往的CMOS感光元件,並成為CCD感光元件的另一具備成本效益的替代方案。 以全球標準GigE Vision介面確保與相應符合的成像軟體得以相容並簡易地整合。呈現清晰、無失真的影像,精巧的外型(29×29×57mm)和堅固的工業設計(採用6-pin Hirose端口和C/CS接口),使此系列相機有價格競爭力且具標準功能規格,非常適合應用於生產、檢驗、品質保證和智能交通系統(ITS)等機器視覺等領域。  
0

整合多重感知/人工智慧 機械手臂展現十八般武藝

只會按照程式設定執行重複動作機器手臂,未來將逐漸被具有各種感知能力,甚至會自主思考的機器手臂所取代。而隨著手臂所具備的技能更加多元化,許多現在仍得依靠人力來作業的生產流程,未來勢必會被手臂所取代。另一方面,這些新世代手臂由於具備傳統手臂所沒有的能力,往非製造業應用領域發展,也是值得期待的趨勢。 台灣愛普生(Epson)產業科技事業部副總經理王亮國表示,就像各大車廠都會在重要車展上展示未來概念車,宣揚自家對未來汽車的想像跟願景,Epson日前在自動化展上展示的WorkSense W-01自主性智慧雙臂機器人,也是該公司對機器手臂未來發展趨勢的想法。 多重感測讓手臂應用更為靈活 該雙臂機器人擁有2D+3D視覺辨識、力覺感測跟自主思考能力。當機器人偵測到手臂移動路徑上有障礙物出現時,會重新規畫路徑以繞過障礙物。至於機器人本體則採取單一手臂具有七軸關節,加上腰部可旋轉共十五軸的設計,作業流暢度跟靈活性不會比人類遜色。跟真人相比,目前該雙臂機器人只剩下自主移動這點還無法做到,但王亮國透露,未來Epson還會推出結合自動引導車輛(AGV)的雙臂機器人。具備移動能力的雙臂機器人,將可承擔更多樣化的工作任務。 除了概念性的雙臂機器人之外,Epson也推出N6六軸機械手臂與VT6一體式手臂兩款新產品,其中N6採取折疊式設計,除了最小作業空間需求跟人類作業員相似外,還可以懸吊式安裝,讓工廠可以在有限的空間內部署更多機器手臂。VT6則是將手臂的控制器直接內建到手臂本體中,除了具備占用空間小的優勢外,也更容易與其他設備整合,例如將手臂搭載在AGV上。 省、小、精是Epson設計機器手臂的核心理念,高精度、高速度與低震動則是該公司手臂與其他競爭對手最大的差異化所在。但除了手臂本體的進步,未來手臂一定會搭載更多感測技術,來滿足客戶的應用需求。舉例來說,手臂結合視覺跟力覺感測,就能讓手臂執行軟性電路板(FPC)插件作業。因為施力不當會很容易導致軟板損毀,所以目前軟板插件多半還是用人工作業。但具備力道感測能力的機器手臂,能有效避免此一問題。 王亮國表示,手臂產品的進步,讓手臂可以在工廠裡執行更多元化的作業。也因為如此,台灣許多電子製造業的手臂用量不斷上升,負責監督導入專案的主管層級也越來越高,顯示客戶對產線自動化的重視程度正在與日俱增。 不過,提到自動化,不可諱言的是,客戶最主要的考量還是在成本,畢竟要打造一條自動化產線,往往牽涉到相當可觀的資金投入。因此,目前在工業機器手臂市場上,有些業者採取殺價競爭的策略,希望藉此博得客戶青睞。這對於目前在台灣市占率領先的Epson來說,是一個必須正視的挑戰。 走出工廠開拓新藍海 對此,王亮國透露了兩個因應策略,首先是建議客戶在財務操作上,將機器手臂視為耐久財,用逐年折舊攤提而非一次性採購的方式來認列成本。因為現在手臂能做的工作越來越多元,即便產品更新換代或產線有所調整,已經採購的手臂還是可以繼續沿用,不會就此派不上用場。這種成本認列方法不僅比較貼近現實,也可以讓廠商財務負擔大幅降低。換言之,能執行的任務越多元,部署彈性越高的手臂產品,即便單價較高,成本效益還是會比低單價但功能單一、部署彈性低的手臂為佳。 其實,Epson的手臂在台灣的製造業市場一直是市占龍頭,因此也成為各家手臂業者集中火力的對象。未來Epson會繼續投入更多資源,鞏固其市場領先優勢,例如強化建教合作,培育更多熟悉Epson手臂的年輕工程師,為製造業客戶提供全方位的顧問、產線建置模擬與後續維修服務等。其實,目前自動化產業的工程師短缺十分嚴重,因此,從人才培育著手,不僅能有效鞏固Epson的領先優勢,也有助於推動自動化更加普及。 第二個策略則是走出工廠、走進店頭。隨著Epson的手臂越來越靈活、智慧化,未來Epson的手臂除了應用在工廠,也可以應用在非電子製造業,例如食品業、生醫實驗室、製藥等,甚至服務型機器人市場,也是Epson有意進軍的領域。雖然Epson的手臂是為工業應用設計,但因為手臂本身是小型手臂,只要透過其他周邊輔助,例如機器皮膚、雷射感測等,其手臂也有一定程度的人機協作能力。而這也是Epson手臂有機會走出工廠,走進店頭的原因。
0

機器視覺受大廠重視 AI助力工業應用大爆發

2D機器視覺技術已發展相當成熟,也越來越受到工業領域的重視。在台灣,許多半導體大廠甚至開始設立部門,培養專業團隊來開發最為適合自家產線的機器視覺應用。人工智慧(AI)亦是眾廠商關注的另一項技術,未來在機器視覺與人工智慧兩大技術聯手之下,將開展出更多工業相關的新應用。 康耐視(Cognex)資深應用工程師陳元得表示,近兩年來機器視覺技術越來越受到台灣半導體大廠的重視。在以往,半導體廠商多半直接向設備製造商購買製造設備,然而自2016年開始,許多半導體廠商開始成立機器視覺的產線應用研發部門,直接觀察生產線中對於機器視覺的需求,並導入技術優化、改善生產流程。 傳統的2D機器視覺技術已幾乎發展到極致,未來該技術若要持續突破,勢必得導入人工智慧(AI)深度學習功能。陳元得指出,目前儘管是針對工業領域的人工智慧應用,依然多以如卷積神經網路(Convolutional Neural Network, CNN)這樣常見的算法為大宗,然而使用該演算法往往需要使用上萬張圖片供機器學習,許多業者皆相當困擾無法蒐集到如此大量的圖片資訊。 為因應工業對於人工智慧的需求,康耐視於今年推出了專為工廠自動化設計的ViDi解決方案,適合用於工業瑕疵檢測、瑕疵分類、對位等應用。更針對工業需求開發了獨特的演算法,只需要30~50張圖片就能夠使機器完成學習,進而輔助生產線的瑕疵檢測。 在康耐視今年所推出的ViDi解決方案中,亦導入了光學字元識別(Optical Character Recognition, OCR)功能,能做到文字的判讀辨識。該解決方案不只能做到英文字母與數字的辨識,更能夠依照客戶的需求進行學習,做到中文字的判讀。 在工業領域中,業者普遍對於新技術的導入較為保守,然而陳元得指出,在近期業務推廣的過程中發現,業界對於深度學習技術的接受度很高;因此,在未來康耐視希望盡可能接觸不同業者,透過與合作夥伴的交流開發更多深度學習在工業領域的應用可能。
0
- Advertisement -
- Advertisement -

最新文章

- Advertisement -

熱門文章

- Advertisement -

編輯推薦

- Advertisement -