图1：通过机器视觉系统，自动测量仪能有效提升金属零件的检测效率。（图片来源：shutterstock）

过去，测量细小金属零件，大多是通过肉眼搭配简易测量工具来实现。然而，测量过程常常因为人力的疲乏而造成误差，效率也跟著变差。近年来，机器视觉在测量领域的应用日趋成熟，以往需要倚靠人工手动测量的微小零件，通过机器视觉系统的使用，不但能明显提升测量效率，同时还能显著提高测量精度。许多工厂引进自动测量仪，并在其中整合机器视觉系统，针对数量庞大且孔径细小的金属零件进行测量，能大幅提升生产效率。

The Imaging Source映美精相机与测量仪设备商合作，通过系统整合，为金属零件制造商提供机器视觉测量设备，从而以自动化的方式解决了测量精度及速率问题。

利用机器视觉系统进行测量的方法包括图像采集、后端图像处理以及尺寸测量。首先，由CMOS相机拍摄零件，采集零件轮廓边缘的图像；然后，后端图像处理软件针对所采集图像进行二值化、过滤等处理，再经过边缘检测得到零件图像的边缘；最后，通过尺寸测量演算、进行特征提取，计算出边缘轮廓数值，经过标定，便可呈现零件的尺寸。通过这种方法，可以对任何尺寸的零件进行测量，并且能同时完成不规则外观轮廓以及零件内小孔径的测量。

在测量过程中，The Imaging Source映美精相机提供33系列GigE黑白工业相机，搭配HALCON后端软件，针对金属测量，专门定制了几项测量标准，以提升测量精度。

The Imaging Source映美精相机提供33系列GigE黑白工业相机，搭配HALCON后端软件，针对金属测量，专门定制了几项测量标准，以提升测量精度。

图形匹配

零件形状多变，有些极其相似，肉眼难以逐一辨识，可通过机器视觉进行图形匹配。事先训练后端电脑记忆零件图形，通过相机扫描流水线上的零件，后端软件辨认图形，再传至前端进行分捡（见图2）。

图2：通过机器视觉进行图形匹配。事先训练后端电脑记忆零件图形，通过相机扫描流水线上的零件，后端辨认图形。

零件图像边缘和轮廓特征的提取

金属齿轮是众多大型机构中的重要零件，只要有一个齿轮错误，便会影响整台设备的运作。通过自动光学测量仪器，测量点、线、圆弧等数据，再经过电脑图像分析，能精确得出齿轮的齿形、角度、弧长、圆弧半径、线段等（见图3）。

图3：零件图像边缘和轮廓特征提取，可以帮助机器快速判断齿轮的齿形、角度、线段等特征，以判别齿轮是否有瑕疵，或者是否为设备运作所需要的零件。

孔径尺寸测量

大小相同的金属垫片，有大小不一的孔径，而不同的孔径间误差十分微小。通过机器视觉系统，可以自动侦测出该零件的孔径大小，孔径的测量精度能达到0.01mm，解决了肉眼测量方式常常产生的误差问题（见图4）。

图4：大小相同的金属垫片有着大小不一的孔径，而不同的孔径间误差十分微小。利用机器视觉系统，可以自动测量出该零件孔径的大小。

速率及精度

映美精相机可以捕捉快速移动的零件，该系统在设计上实现了“一分钟能精准捕捉50次细小零件”的速度，大幅提升了测量效率。

机器视觉系统为零件厂商解决了长久以来令人头疼、且效率低下的测量问题，零件厂商的客户对于产品的接受度也因此大幅提升。此外，机器视觉系统的部署，也有助于零件制造商降低零件的瑕疵率和制造成本。