全球經濟狀況可能一直起伏不定，但對所有企業來說，保持競爭力是一門不停歇的課程。在市場保持領先所持續帶來的壓力，驅使著企業不斷改善營運、降低成本，以及提高效率。

為了應對這些挑戰，有越來越多製造商轉向工業物聯網。智慧工廠可實現更高的產能與品質，同時能節省時間與金錢。

製程自動化能將正確度與生產力提高到超過人力所及的層次。而自動化也為工廠內的一個關鍵領域帶來劇烈的改變，那就是品質保證。

品質管理會大幅影響製造商的品牌與盈收。 一份報告顯示，對正在蓬勃發展的公司來說，品質低落導致的成本可能會佔營運的百分之 10 到 15。有效的品質改善計畫可大幅降低這樣的成本，進而直接提高利潤。

而這一點，就是機器視覺與深度學習改變工廠品管遊戲規則的原因。這些技術可為產品線上的所有產品進行自動檢測。這代表能提供一致且正確的結果。

「機器視覺可從製造方程式中移除人為變數。它能全年無休的工作，並提供一致的結果，」Matrox Imaging 銷售與行銷部門主管 Sam Lopez 如此表示。

結合深度學習與機器視覺，有助於解讀一些介於「明顯良好」與「明顯不能接受」之間的產品問題。透過將數千張影像饋送給系統，並訓練其學習可接受與不可接受的產品差異，深度學習便可持續精進機器視覺的成效。

簡化代碼標籤品管

業界老將 Matrox Imaging 使用他們的機器視覺系統處理品管方面的挑戰。

該公司的這項技術以各種不同方式運用在工業品管領域中。此技術可讀取並記錄如文字或條碼等產品資訊，並排除不符合標準的產品，或是引導工廠機器人的作業。

Suntory PepsiCo 位於越南的五間工廠就是採用 Matrox Imaging 系統進行作業的一個絕佳範例。該公司在精確掃描製造日期 (MFD) 與過期日期 (EXP) 的代碼標籤上遭遇到困難，經常導致生產延遲。

有時代碼在表面完全乾燥前便已印上，導致出現污漬。或者因為操作人員的失誤，造成無法正確辨識代碼。這些及其他錯誤會導致代價慘重的生產線停機。

為了解決這些問題，Suntory PepsiCo 向其整合商 Pacific Hi-Tech 尋求協助，而 Pacific Hi-Tech 團隊設計並導入了以 Matrox Imaging 為基礎的解決方案。

在部署系統後，他們可以立即解讀代碼標籤影像，以確認標籤是否貼附牢固、代碼是否正確，以及代碼類型是否難以辨認或模糊不清。若標籤遺失或無法閱讀，內建的排除器會將有問題的產品從產線移除，而不需停止製程。

透過快速閱讀位置刁鑽導致先前系統錯過的標籤，並移除標籤有問題的產品，Matrox Imaging 的解決方案協助了 Suntory PepsiCo 大幅簡化其品管程序。

機器視覺架構

開放式且具有彈性的 Matrox Imaging 機器視覺系統具有三個元素：

• Matrox Iris GTR — 小巧的智慧型攝影機，具有影像感應、嵌入式處理，以及 I/O 功能，提供全方位的視覺系統。
• Matrox 4Sight GPm — 以電腦為基礎的工業控制器，專為廠區的機器視覺所打造，以處理多攝影機檢測。
• Matrox Design Assistant — 一種整合式開發環境 (IDE)，運用直覺式、基於流程圖的方法，促進視覺應用程式的創造。

系統的核心為 Matrox Design Assistant，為整合商與 OEM 提供開發自訂視覺應用程式的架構。這些應用程式部署在 Matrox Iris GTR 智慧攝影機或 Matrox 4Sight GPm 控制器上。

機器視覺解決方案採用基礎架構，透過取得與分析影像以獲得特定結果。這包括定位、測量、讀取、驗證，以及根據結果採取行動等，如圖 1 所示。

Matrox Imaging 的系統，整合商可運用 Matrox Design Assistant 中的圖形介面來設定工作流程，而不需使用 C# 或 C++ 代碼來編寫程式。系統開發人員建立詳細的流程圖，概述機器視覺硬體所採取的各個步驟。

「根據處理程序，圖形介面可將開發時間由數個月縮短到數週，甚至數天的時間，」Lopez 說。「這也能讓不具有程式編寫能力的人員可自行處理設計工作。」

Matrox Imaging 的工具針對 Intel^® 處理器最佳化。透過 Intel，Matrox Imaging 解決方案軟體環境可讓之前過於困難甚至無法實現的影像檢測工作執行自訂的深度學習模型。現在，可以透過高效率的方法來完成這些工作。

「Intel 提供同類最佳的處理器，可在特定功率範圍內提供最理想的運算能力，」Lopez 表示。「它們在效能與價格之間取得完美的平衡。Intel 擁有清楚明瞭的發展藍圖，展現出打造可滿足未來需求與相容產品的承諾。」

協助機器人為餅乾分類

Matrox Imaging 的電腦視覺與分析功能不僅能處理包裝代碼標籤的品管問題。舉例來說，此解決方案亦可尋找並判斷物件與特徵的位置。

在此案例中，Matrox Imaging 系統使工業機器人瞭解糖粉與堅果不是產品的缺陷，而是讓餅乾更美味的成份。

這就發生在一間歐洲的工廠，機器人負責分類 80 種不同的餅乾。機器人不僅必須判斷各種餅乾的分類方向，同時還要挑選並剔除不符合標準的產品。

對視覺系統來說，配料所產生的陰影及糖霜光澤造成的反射，使得分類餅乾變成一種困難的挑戰。陰影與反射可能導致影像讀取結果有所曲解，相關人員普遍認為這是視覺系統的最大敵人。

系統整合商 Bosch 將演算法整合至視覺系統的軟體內以識別陰影與反射，以及機器人必須想辦法處理的所有其他變數。

Bosch 建立了一個流程，讓機器人知道需要撿起哪些餅乾，以及如何在烤盤中將正確的一面朝上放置。這也能引導機器人透過評估餅乾的顏色來檢查餅乾的完成度，並且避免將破碎或烤焦的餅乾放入包裝內。

機器視覺的品管應用程式與工廠生產的產品一樣種類繁多。但在每一種產業中，隨著製造商獲得大量的新影像，加上深度學習技術持續進化，機器視覺便能更完善地進行細節區分，以指出特定的問題，或更精確地引導機器人。現今的工廠才剛開始瞭解製程自動化的優點，這樣的優勢將會隨著時間不斷演進和改善。