全球制造业面对人力短缺、产品生命周期缩短、市场要求客制化的挑战，智能制造大行其道，生产线也开始大量导入自动化解决方案，也因此带动机器人产业发展，工研院智能微系统科技中心主任朱俊勋表示，2015年台湾智能自动化整体产值持续成长至新台币1.2兆元;机器人产值也从2014年新台币554亿元，增加至2015年的新台币584亿元，其中又以产业机器人为主力。

       工业机器人因具有耐久、一再重复、稳定、快速等优点，早已是制造业引颈期盼的得力助手。但随著产品制造技术愈来愈精密，对工业机器人的自动化组装能力，也构成相当程度的挑战，用于工业机器人的智能视觉技术及相关应用也因此快速升温。

       Markets and Markets及Reportlinker市调机构均指出，机器视觉系统与元件市场，从2013年便以8.2%的年复合成长率(CAGR)成长，到2018年市场规模可望达到50亿美元;而整体智能影像分析市场产值，至2020年也将攀升至390亿美元。

       所谓的机器智能视觉，简言之，便是透过机器来取代人眼，进而大幅缩短测量时间与减少人为判断误差。机器智能视觉技术会将过去人眼所看到的影响画面，完整不漏地传送到控制芯片，最后再透过控制程序进行实时分析处理，不仅能在短时间内获得大量信息，亦能达到自动处理之需求。

       机器智能视觉技术引入产线后，不仅可以提升机器人的工作量率，更能代替过去以人力作业为主的品管作业。由于产品检测过程单调，且冗长的作业模式容易使操作者出现疲劳、注意力分散等问题，死机器智能视觉技术已臻成熟之际，不但可以降低人为疏失的可能，更能提升检测速度而加快产品制造流程。

       机器智能视觉技术若再搭配运动控制、中控设备与通讯系同，就可构成完整的智能机器人解决方案。以机械手臂结合智能视觉为例，机械手臂可透过智能视觉所分析的重要信息，判断各种不同形状的物件姿态，并自动以正确的角度，抓取正在输送带上移动的料件，进而完成自动化入料加工动作，不但能配合自动化机械高速生产作业，降低生产成本，同时，利用计算机统计分析还能提供测试信息及管理记录，提高校正、诊断的功能。

       如达明机器人公司开发的TM5机器人为例，透过智能视觉技术，可以直接用手拉导引机器手臂的位置，从A点到B点仅需3分钟就可以设定完成，就算操作人员没有经验，也只需要半天就可熟练操作，而且透过手机或平板计算机就可以编写程序操控，不需要再找系统集成商设定，不仅可以降低在产在线设定的成本，即使产在线的进料位置有所改变，也不用另外订做制具确定进料的位置，搭配产品的条形码(barcode)，还可读取与搜集各种信息，再连结至云端，作为产品生命管控(PLM)的一环。

       工研院日前也发表“3D智能视觉感测技术”，此项技术在任意空间环境下，可快速辨识场域内各项3D的复杂样貌，包括物件的颜色、形状、质地和空间深度位置，并可做到实时扫描立体场景以及辨识物件姿态，其“自动化3D空间校正”功能可快速计算出深度摄影机与手臂的距离落差，进而调校距离落差，让机械手臂 “手、眼”更协调，也可快速辨识工作场域各项座标，让机械手臂在短短几分钟内“熟悉环境”完成产在线的定位架设，不必像传统机械手臂装设动辄需要调校数小时。

       工研院指出，“3D智能视觉感测技术”用于严苛的工厂环境，如金属加工、工具机、3C检测，可解决传统机械手臂无法灵活判断深度距离及取放不规则物件的问题。举例来说，过去的机械手臂只能夹取“排排站好的零件”，如果是一大堆不规则形状的东西放在盒子里时就无法使用机械手臂夹取，而必须改由人工辅助的方式进行。不过现在透过“3D视觉智能辨识自动取放整列系统”，机械手臂就能自动针对零件区做立体扫描，并判断该使用何种角度才能正确夹起零件，大幅降低传统机械手臂所需要的辅助人力。

       工研院的“3D智能视觉感测技术”也可应用于“精微锁附技术平台”上。这是针对需要大量锁附工序的机车组装厂，用来解决人工锁附常见的扭力不均所造成的机件质量不良问题。在产在线，以六轴机器人利用3D视觉智能辨识技术强化辨识产在线金属螺牙的影像边缘特征，以大幅提升辨识螺帽与螺丝各角度的准确性，让组装手臂将螺帽与螺丝作精准的正交嵌合，并以相同的锁附姿态，确保锁附扭力正确且平均地施加于螺帽，让螺帽锁紧。

       包括半导体、液晶面板或光通讯产业，以及食品加工/包装业、纺织皮革工业、金属钢铁业、汽车工业、建筑材料等，都是机器智能视觉机器人未来的主力市场。

       特别是Wafer矽晶圆、IC与被动元件、PCB电路板、LCD液晶面板、BGA锡球阵列、太阳能光电转换元件，因为已经被要求做到百分之百的全检，若能将机器智能视觉机器人部署于生产线的节点中间，以非接触式方式检查半成品与成品，并藉由影像处理技术来检出异物或图案异常等瑕疵，进行必要的筛选，不仅不影响产能，还能提高整体生产效率，成为制造业迈向智能制造不可或缺的投资。