AI 驅動文件
您想了解什麼？
模板影象與對齊理論
本頁介紹基於模板的模式匹配的基本概念，以及 OV10i 如何使用邊緣檢測演算法定位並定向部件，以實現精準的檢查定位。
基於模板的模式匹配基礎
什麼是模板對齊？
模板對齊使用模式匹配來定位部件並確定其方向，以實現相對檢驗。系統在模板區域內檢測邊緣，並匹配相似的邊緣模式以確定部件的位置與方向，從而在部件呈現不一致時也能實現準確的檢驗。
核心概念：
- 參考模板 - 捕獲的影象，作為模式匹配的基線
- 邊緣模式識別 - 演算法識別顯著的邊緣特徵
- 空間變換 - 計算位置和旋轉差異
- ROI 調整 - 相對於檢測到的部件位置對檢查區域進行對齊
模板影象理論
模板影象作為參考標準
捕獲模板影象是 ALL recipes 的必需步驟。模板影象作為主參考，用於對後續影象進行對齊比較。
模板要求：
- Representative Sample - 必須顯示處於理想條件和位置的部件
- Clear Edge Definition - 具有足夠對比度以實現可靠邊緣檢測
- Consistent Features - 在部件變體之間保持穩定的特徵
- Optimal Lighting - 光照條件應與生產環境匹配
影象質量對對齊的影響
關鍵質量因素：
- Edge Contrast - 更高的對比度可實現更可靠的邊緣檢測
- Focus Sharpness - 清晰的邊緣可提升模式匹配準確性
- Lighting Consistency - 均勻照明可降低誤檢邊緣
- Image Stability - 模板影象中的噪聲和偽影最小化
模板影象設定與捕獲
模板影象捕獲方法
Capture Options：
- Capture Template Image - 使用當前相機檢視捕獲新的參考影象
- Re-Capture Template Image - 將現有模板替換為新影象
- Import From Library - 從 Library 選擇現有影象作為模板
預設情況下，Import From Library 模態框將按 Recipe 過濾影象。使用下拉選單選擇另一種 recipe，或清除篩選並單擊 Search 以查詢來自其他 Recipes 的影象。
預覽模式
- Template View - 捕獲後，預覽窗格顯示 Template Image（非實時相機畫面）
- Live Preview Mode - 切換到實時相機畫面以測試對齊效能
- Re-capture Mode - 關閉實時預覽以重新捕獲 Template Image
對齊理論中的邊緣檢測
對齊專用邊緣檢測
OV10i 的對齊系統依賴於專門用於部件定位與定向的邊緣檢測演算法，與基於 AI 的檢驗模型分離。
對齊邊緣檢測過程：
- Edge Identification - 演算法檢測用於對齊參考的強度梯度
- Edge Filtering - 系統在過濾噪聲的同時識別對齊相關的邊緣
- Alignment Pattern Creation - 構建用於定位的邊緣模式的數學表示
- Position Comparison - 將檢測到的模式與模板參考進行對齊比較
對齊區域策略
+ Rectangle / + Circle Regions:
模板區域定義 OV10i 將用於對齊目的檢測邊緣的特定區域，透過匹配相似的邊緣模式來確定零件的位置與取向。
Alignment Edge Visualization:
- 🟢 綠色高亮 - 在模板區域內發現的邊緣（適用於對齊）
- 🔴 紅色高亮 - 找到的邊緣不足以進行有效對齊
對齊邊緣質量
良好對齊邊緣特徵：
- 簡單 - 清晰、邊緣過渡明確，適合位置參考
- 唯一 - 具有獨特模式，便於可靠識別零件
- 一致 - 在所有預期零件變化中均可見，確保可靠對齊
- 穩定 - 在對齊過程中不受正常生產變動的影響
不良對齊邊緣特徵：
- 複雜紋理 - 細部表面不適合用作位置參考
- 反光表面 - 可能導致對齊參考不一致的區域
- 可變特徵 - 零件之間會變化的特徵，影響對齊一致性
- 易產生噪聲的區域 - 帶有碎屑等影響對齊精度的區域
模板區域管理
建立模板區域
+ 矩形 / + 圓形： 點選在模板影象中新增模板區域。OV10i 將檢測這些模板區域內的邊緣，並嘗試透過匹配相似的邊緣模式來定位零件。
區域管理：
- 調整大小/重塑 - 點選模板區域以拉伸或改變大小
- 旋轉 - 根據需要調整區域方向
- 重新定位 - 點選並拖動以移動模板區域
- 刪除 - 移除不需要的區域
模板區域放置最佳實踐
放置模板區域時，聚焦於簡單、唯一且在所有零件上始終可見的邊緣。儘量避免可能被缺陷遮擋的邊緣，或隨零件而變化的邊緣模式。
良好邊緣特徵：
- ✅ 簡單 - 清晰、邊界明確的邊緣
- ✅ 唯一 - 獨特的模式，在其他地方未出現
- ✅ 一致 - 在所有零件變化中可見
- ✅ 穩定 - 不受正常缺陷或磨損影響
較差邊緣特徵：
- ❌ 可變特徵 - 可能缺失或損壞的元件
- ❌ 紋理表面 - 複雜模式隨零件變化
- ❌ 反光區域 - 產生可變高光的表面
- ❌ 細小細節 - 易被碎屑遮擋的特徵
演進式設定方法
多模板區域策略：
- 先在最突出特徵上放置一個模板區域
- 如邊緣數量不足（紅色高亮），再新增區域
- 如有需要，提升靈敏度以找到足夠邊緣
- 使用 Ignore Template Region 工具以移除噪聲
- 在 Live Preview Mode（實時預覽模式）下對不同零件進行測試
對齊引數理論
旋轉範圍容忍度
輸入0-180度的角度，以定義對齊器可容忍的旋轉量。
旋轉範圍設定：
- 180 度 - 查詢以任意角度旋轉的零件（最大靈活性）
- 0 度 - 僅查詢與模板影象角度匹配的零件（最大精度）
- 自定義範圍 - 在靈活性與精度之間取得平衡
權衡：
- 更寬的範圍 - 更靈活但處理速度可能較慢
- 更窄的範圍 - 處理更快但需要零件取向一致
靈敏度演算法理論
透過拖動滑塊來增加/減少邊緣檢測的靈敏度。更高的靈敏度設定將檢測更多邊緣，而較低的靈敏度設定將檢測更少的邊緣。
靈敏度影響：
- 更高的靈敏度 - 檢測更多邊緣細節，但可能包含噪聲
- 較低的靈敏度 - 專注於顯著邊緣，但可能錯過微小特徵
- 最優設定 - 即使在最低靈敏度下也能檢測到足夠的邊緣
演算法行為：
對齊邊緣檢測演算法會根據靈敏度設定調整閾值，影響哪些強度梯度被歸類為用於對齊的邊緣。
置信度閾值理論
使用此滑塊設定對齊被視為有效所需的最小置信度（1% 表示完全匹配）。該閾值應介於 0.6-0.9 之間，以實現一致的對齊。
置信度計算：
- 對齊模式相關性 - 模板與檢測到的對齊模式之間的數學相似性
- 幾何一致性 - 定位中邊緣特徵的空間關係精度
- 對齊邊緣質量 - 用於定位參考的檢測到的邊緣模式的強度與清晰度
閾值指南：
- 0.6-0.9 範圍 - 建議用於一致的對齊效能
- 更高的數值 - 更嚴格的匹配，減少假陽性
- 較低的數值 - 匹配更寬鬆，可能接受不良對齊
對齊噪聲管理理論
用於對齊的忽略模板區域
該忽略模板區域工具提供一個刷子介面，用於從任意模板區域擦除不需要的邊緣，旨在遮蔽不需要的邊緣噪聲並將對齊聚焦於清晰、可重複的邊緣模式。
對齊邊緣噪聲類別：
- 紋理表面 - 複雜模式，不適合用作一致的對齊參考
- 反射與眩光 - 易變的照明效應，影響對齊精度
- 碎屑或汙染 - 臨時特徵，不適合作為位置參考
- 可變元件 - 可能缺失或損壞的特徵，影響對齊一致性
對齊噪聲過濾策略：
- 選擇性掩蔽 - 去除可變邊緣模式，同時保留穩定的對齊特徵
- 模式簡化 - 將對齊演算法聚焦於最可靠的邊緣資訊
- 一致性最佳化 - 提高跨部件變體的對齊可靠性
對齊模式匹配效能理論
用於對齊的多個模板區域
增加更多模板區域會增加對齊的邊緣數量，從而提升對齊模式匹配的可靠性和特異性。
多區域對齊的好處：
- 對齊冗餘 - 多個參考點提升對齊魯棒性
- 定位特異性 - 更復雜的模式減少假陽性對齊匹配
- 對齊精度 - 額外約束提升位置與旋轉的精度
- 對齊可靠性 - 即使某些區域被遮擋，系統仍可對齊
對齊失敗模式
常見對齊失敗模式：
- 對齊邊緣不足 - 缺乏用於可靠定位的邊緣資訊
- 錯誤對齊陽性結果 - 演算法對定位匹配了錯誤的特徵
- 對齊檢測不一致 - 對一些部件有效，對其他部件無效
- 對齊置信度低 - 位置匹配低於可接受閾值
對齊最佳化解決方案：
- 對齊模式最佳化 - 為定位選擇更具辨識度且穩定的邊緣特徵
- 區域調整 - 修改模板區域的大小和放置位置，以獲得更好的對齊參考
- 引數調優 - 調整對齊效能的靈敏度和置信閾值
- 對齊降噪 - 使用忽略模板區域工具來過濾有問題的邊緣
對齊與固定定位理論
何時使用模板對齊
對齊優勢：
- 零件位置與旋轉差異容忍度 - 能容納位置和旋轉差異
- 靈活呈現 - 適用於非夾具部件
- 相對檢測 - ROIs 會自動根據部件位置進行調整
- 機器人整合 - 處理可變部件放置
何時跳過對齊
固定定位優勢：
- 處理速度 - 無需進行對齊計算
- 一致的結果 - 可預測的檢測行為
- 簡單設定 - 無需模板區域或模板匹配
- 夾具部件的可靠性 - 當機械定位確保一致性
選擇標準：
對於夾具固定或向相機呈現高度重複的部件的應用，建議使用跳過對齊器選項。