本研究成功開發一套辨識特定金屬元件各種表面瑕疵的光學檢測系統。此系統硬體包含線性馬達驅動的平台，搭配影像擷取模組，並可依據檢測需求設定高、中、低三種不同的光源亮度。軟體主要的重點是處理光源亮度變化下所拍攝到之影像以凸顯撞傷、電鍍、氣泡、雜質、毛邊等瑕疵特徵。檢測程式根據元件形貌先將影像區分為徑向三線段、環內、圓環、圓環邊緣等區域。對於徑向三線段，系統使用高與低光源亮度影像相減，凸顯出撞傷瑕疵。至於環內與圓環區域檢測之標的則是汽泡、雜質與電鍍瑕疵。因為環內區域影像容易受反光影響，研究中發現以高亮度所拍攝之影像較能有效的判定瑕疵有無。但在圓環區域中因不同瑕疵呈現特徵不同，實作中以高亮度影像、低亮度影像與高低亮度相減影像等三種方式分別凸顯大範圍的雜質瑕疵、小範圍的氣泡瑕疵與霧狀的電鍍瑕疵。其中對於高亮度影像的處理，檢測程式運用小波轉換擷取低頻訊號以區分瑕疵與反光。最後對於圓環邊緣區域毛邊的檢測，則是先將中亮度直角座標的影像轉換為極座標的影像，再使用直線尋邊技術即能有效的偵測圓形物件是否存在毛邊。實作中使用包含正常與瑕疵且經過品管人員確認的樣本測試，以評估檢測系統的檢測能力。

This work has successfully developed an automatic optical inspection system for metal component. The hardware of the system includes a platform which is driven by linear motors. The image acquisition module on the platform can be set at high, medium, or low brightness for different applications. The software can process images obtained from specific brightness level so that the flaws on the component surface such as bumps, electroplating defects, spots, impurities and burrs can be detected. Once an image available, the self-coded program divides it into four segments , i.e. the radial lines, the inside of the ring, the ring surface and the edge of the ring. The bumps on radial lines are highlighted by subtracting images of two brightness levels. It is found that the reflection of metal surfaces has significant influence on the accuracy of the inspection process. The defects on the inside of the ring can be effectively detected by the high brightness images. However, high brightness, low brightness and subtracted images are suggested for detecting larger impurities, small spots and electroplating defects on the ring surface separately. In addition, wavelet transform is used to capture low-frequency signals to distinguish flaws from normal reflection on the high brightness images. After coordinate transformation to polar system, burrs along the edge of the ring area can be easily identified. Finally, samples including normal and defected parts have been tested to verify the capability of the inspection system developed.

[1] ITIS智網，網址:
http://www2.itis.org.tw/pubreport/PubReport_Detail.aspx?rpno=973
[2] R. Jain, R. Kasturi, B. G. Schunck, Machine VIision, McGraw-Hill, Inc., ISBN 0-07-032018-7(1995).
[3] 孫明睿，「照明光源在AOI中的重要性及設計要素分析」，中國電子科技集團公司第45研究所，2009。
[4] 吳清源，「BGA 錫球檢測系統光源設計與開發」，碩士論文，國立屏東科技大學，2012。
[5] J. Kapur, "A New Method for Gray-Level Picture Thresholding Using the Entropy of the Histogram", Computer Vision, Graphics, and Image Processing, Vol. 29, pp.273-285 (1985).
[6] W. H. Tsai, “Moment-Preserving Thresolding: A New Approach,” Computer Vision, Graphics, and Image Processing, Vol. 29, PP.377-393 (1985).
[7] N. Otsu, “A Threshold Selection Method from Gray Level Histogram,” IEEE Transactions On Systems, Man, and Cybernetics, vol. 9, pp. 62-66 (1979).
[8] 吳佳鵬、楊兆選、韓東、白卓夫、蘇育廷，「基於小波和Otsu法的二維條碼圖像二值化」，計算機工程第36卷第10期，天津大學，2010。
[9] 林彥邦，「回流管接頭瑕疵之光學檢測」，碩士論文，國立台灣科技大學，2013。
[10] 陳威宏，「電纜連接器滑軌自動化光學檢測系統之開發」，碩士
論文，國立台灣科技大學，2011。

[11] 高浩翔，「連續與非連續式金屬拉鏈自動化光學線上檢測機台之改良研究」，碩士論文，國立台灣科技大學，2014。
[12] 方聖文，「連接器導片光學檢測系統之開發」，碩士論文，國立台灣科技大學，2016。
[13] 李靜，「LabVIEW 2013 完全自學手冊」， 化學工業出版社，2015。
[14] 「NI Vision Concepts Manual」，NI，2005。
[15] 連豐金屬壓鑄股份有限公司， http://www.cens.com/ishow/l/lienfeng/zh/product/93504.html。
[16] 兆鎂新有限公司，http://www.theimagingsource.com/zh_TW/。
[17] MORITEX，https://www.moritex.com/。
[18] 美商國家儀器股份公司，http://taiwan.ni.com/。
[19] 上銀科技有限公司，http://www.hiwin.tw/。
[20] Arduino, https://www.arduino.cc/ 。
[21] P. S. Liao, T. S. Chen, and P. C. Chung, “A Fast Algorithm for Multilevel Thresholding”, Journal of Information Science and Engineering, Vol. 17, no.5 pp. 713-727 (2001).
[22] 鍾國亮，「資料壓縮的原理與應用」，全華科技圖書股份有限公司，(1992)。
[23] 「NI Vision Concepts Manual」，NI，2005.
[24] 張凱麟，「渦簧與扭簧自動化光學檢測系統之改良研究」，國立臺灣科技大學，碩士論文2015。
[25] 蔡武助，「適用於不同亮度環境下的自動曝光法」，國立臺灣科技大學，碩士論文2013。