邊緣運算、AI學習、ROS開源平台成機器視覺新關鍵

今後機器視覺不僅揹負品質檢測的被動使命，更需扮演主動積極的角色，讓機器人具有如眼睛般的視覺系統，不需歷經繁複導引即可運作。

伴隨消費性產品生命週期縮短、人工成本攀升，加上消費者對產品的需求漸趨多樣化，讓製造商普遍面臨吃重壓力，亟思改造傳統生產模式，因而促使工業4.0、智慧工廠、工業物聯網躍為當今業界的主流思想，連帶助長機器視覺應用的發展。

凌華科技IoT策略解決方案與技術事業處產品經理梁雅森認為，未來機器視覺應用的發展走向，將受到三個關鍵趨勢的影響牽引，不僅為機器視覺帶來新機遇，亦衍生新的挑戰課題。

首要趨勢是，隨著大數據蔚為風潮，企業對資料處理效能的要求不斷升高，陸續導入分散式運算、雲端運算、霧運算或邊緣運算；影響所及，機器視覺的運用範疇必須隨之改變，不宜再受限於量測(Gauge)、定位(Inspection)、導引(Guide)、辨識(Identification)等「GIGI」傳統格局，需要具備運算與分析能力，並能與其他設備協同工作。

其次隨著萬物聯網，設備與設備之間須透過網路協同溝通，導致OPC-UA、ROS2(Robot Operating System 2.0)、DDS(Data Distribution Service)及MQTT等通訊技術方案愈趨重要，勢將影響機器視覺應用發展格局。

最後製造商有鑑於產品生命週期短暫，期望加快製程速度，迅速因應市場變化，故急欲導入易於使用、快速上手的生產解決方案，以縮減學習成本與導入時間，驅使機器視覺軟體朝向簡單易用、友善介面等方向設計。

注入創新技術，機器視覺變身智慧工廠要角

梁雅森表示，可以預見，今後機器視覺不僅揹負品質檢測的被動使命，更需扮演主動積極的角色，讓機器人具有如眼睛般的視覺系統，不需歷經繁複導引，即可輕易執行入料、提料、夾爪或收料等諸多作業；因此機器視覺一方面需加入即時收集、分析與處理大量資料的能力，二方面需與其他設備密切溝通，如何與時俱進支援邊緣運算(Edge Computing)、OPC-UA(OPC Unified Architecture)、ROS 2，及視覺導引機器人(Vision Guided Robotics；VGR)等先進技術，讓自己更迎合高效、精準、快速反應的智慧製造需求，成為新的課題與挑戰。

依邊緣運算而論，傳統的機器視覺應用，相機與運算單元(IPC)彼此分離，但伴隨資料量愈來愈大、對運算能力的要求愈來愈高，致使相機必須轉型為邊緣運算節點，對資料先行處理，分擔運算單元的負擔。

接著談到OPC-UA，是一種運用於工業自動化的機器與機器溝通協定，讓智慧工廠中的異質平台或設備，能相互溝通、交換資料；以往機器視覺欲與PLC、I/O及運動控制等設備溝通，需借助各種專屬協定或客製化功能，徒增整合難度，爾後可透過OPC-UA化解難題。

至於ROS2與VGR的導入，可讓機器人或AGV獲得機器視覺的輔助，提升工作效率、強化協同作業能力。ROS是開源的機器人作業系統，而ROS 1與ROS 2前後代版本的主要差異，在於前者奠基於TCP/IP，後者則立基在「UDP＋DDS」架構，對於設備與設備的即時資料共享及安全性，有著更強的支援能力；截至目前，全球主要機器人廠商皆支援ROS 2，採用共通的SLAM、Navigation、Perception及Manipulation等資源與演算法，彼此溝通無礙，也為機器視覺營造至為寬廣的舞台，未來不再僅是工廠內的獨立元件或工作站，能輕易串聯不同廠牌的機器手臂、AGV或其他設備，藉由VGR的全新樣貌，實現各種智慧製造應用場景。

梁雅森接著說，欲釐清機器視覺的技術發展與應用方向，除應考量前述趨勢，另需關注「深度學習」議題。深度學習並非新技術，主要藉由類神經架構施以訓練，使機器如同人腦般做出分辨、決策與預測，以往借助高效能CPU執行，但成本高昂及處理歷程冗長，近年拜GPU技術精進所賜，提供明顯優於CPU的圖像處理效能，使深度學習不再是過去低CP值的技術，今後可望進一步結合機器視覺應用，產生更大綜效。

展望2018年，凌華希冀以快速導入為前提，提供更具效益價值的工業4.0、智慧工廠、工業物聯網等完整方案，遂將邊緣運算、ROS 2、深度學習列為發展重點，期望透過這些創新技術的加持，強化智能相機、視覺圖像系統等機器視覺產品陣容。詳請請參考官網。