
【虹科方案】不止於信號:解碼德思特在 GNSS 領域的「全棧式」技術縱深
在 GNSS 領域,許多企業停留在「應用層搬運工」階段,面對無人機蜂群協同、極端環境高精度定位及抗干擾加密通訊等挑戰時捉襟見肘。德思特(虹科合作夥伴)打破淺層集成局限,打造貫穿「底層技術-測試驗證-複雜場景應用」的全鏈路技術縱深。本文深度解碼德思特如何透過專利與軟著佈局,從「根」上構建 GNSS 技術護城河。
隨著智慧製造升級,傳統 AOI 光學檢測在面對微小瑕疵與複雜曲面時面臨瓶頸。結合高解析度工業相機、AI 深度學習演算法與 IEEE 1588 PTP 微秒級多相機時間同步技術,機能為高速生產線提供高精度、無重影的全方位自動化視覺檢測方案。
傳統 AOI(自動光學檢測)系統高度依賴人工撰寫 Rule-based 演算法與固定的灰階對比度閥值。當產品面臨表面反光、複雜幾何形狀或微小不規則劃痕時,傳統 AOI 容易產生極高的誤判率(False Positive)或漏檢率(False Negative)。 導入 AI 工業視覺檢測後,系統能透過卷積神經網路(CNN)學習大量合格品與缺陷樣本,自動抽離微小特徵。不論是複雜的微型元件量測,或是金屬/塑膠表面的微細裂痕,AI 視覺系統皆能在毫秒級時間內完成精準識別。
在大型物件檢測或多角度 3D 視覺重建(如車體檢測、大型 PCB 板或電池模組檢測)中,單台相機無法覆蓋全部視場。然而,當多台工業相機同時進行高速拍攝時,如果相機之間的曝光時間存在微小偏差(即使僅相差幾毫秒),就會造成圖像重影、運動模糊或 3D 點雲對齊失真。
PTP(Precision Time Protocol,精密時間協議)定義於 IEEE 1588 標準中。系統中由一台指定的「主時鐘」(PTP Master,如專用網卡或主機)向網路中的所有「從時鐘」(PTP Slave,即各台工業相機)發送精密時間戳封包。透過對比封包傳輸時延,各相機硬體時鐘能自動校準,將時間偏差縮小至 1 微秒(μs)以內。
傳統軟體觸發由作業系統(Windows/Linux)發送 API 指令,受系統多工作業與網路延遲影響,同步誤差通常高達 10 – 50 毫秒,無法滿足高速產線需求;而 PTP 透過乙太網路硬體時鐘機制,實現微秒級同步,同時免去了複雜的外部硬體觸發線路佈線。
AI 視覺技術與高解析度工業相機的結合,已在多個高精密製造領域展現出突破性的檢測能力:
在 SMT(表面貼裝技術)產線上,微型晶片、電容與焊接點的密集度極高。透過高解析度相機擷取細節,AI 演算法能自動判定元件錯位、極性反接、虛焊以及 pin 腳間距測量,顯著降低漏檢率。
新能源電池產線高速運行,電池外殼與蓋帽常因光線反光導致瑕疵難以捕捉。AI 深度學習模型能對圓柱電池蓋帽凹痕、側面劃痕、軟包電池表面水漬及極極對準進行熱力圖分析(Heatmap Analysis),即使面對不規則缺陷也能實現極高的辨識率。

在規劃多相機自動化檢測系統時,選擇合適的同步方式直接關係到系統成本、佈線複雜度與檢測精度。以下為常見同步方案的詳細對比:
同步精度:< 1 微秒 (μs)
線材佈線複雜度:低(僅需標準 GigE 網線)
系統擴充性:極高(透過交換器即可擴充相機)
硬體設備成本:中(需支援 PTP 之相機與交換器)
適用場景:高速動態檢測、多相機 3D 重建
同步精度:< 1 微秒 (μs)
線材佈線複雜度:高(需額外 GPIO 觸發實體線)
系統擴充性:中(受限於觸發控制器 IO 埠數)
硬體設備成本:中高(需加購專用 IO 卡/控制器)
適用場景:定點傳送帶單/雙相機檢測
同步精度:10 – 50 毫秒(μs)
線材佈線複雜度:低(僅需標準網線)
系統擴充性:高
硬體設備成本:最低
適用場景:低速靜態物件檢測
建置一套穩健且可擴充的 AI 工業視覺檢測系統,建議遵循以下 4 個關鍵步驟:
確定待測物尺寸、檢測公差與產線速度,選定適當鏡頭焦距、光源角度(如環形光、同軸光)與相機解析度。
若為多相機全方位檢測,應選擇支援 IEEE 1588 PTP 協議的 GigE 工業相機與工業級 PTP 交換器,確保多視場無縫同步。
採集包含 OK 與 NG 的真實產線影像,標註關鍵瑕疵區域,透過卷積神經網路(CNN)進行模型訓練與驗證,調優識別率。
將 AI 視覺結果(如 OK/NG 訊號或座標)透過 Modbus、Profinet 等工業通訊協定傳送給產線 PLC,實現自動剔除或機械臂導引。
Q1:什麼是 IEEE 1588 PTP 時間同步技術?在工業相機中扮演什麼角色?
A1:IEEE 1588 PTP(Precision Time Protocol,精密時間協議)是一種透過乙太網路實現微秒級(μs)時間同步的標準協議,能確保多台工業相機在高速運動下無時差同步曝光擷取影像。
Q2:AI 深度學習瑕疵檢測與傳統 AOI 光學檢測有何不同?
A2: 傳統 AOI 依賴固定規則與對比度,對不規則劃痕、反光或複雜紋理易產生誤判;AI 深度學習透過大量缺陷特徵模型訓練,能精準辨識微小且形態不一的複雜瑕疵。
Q3:建置多相機 PTP 視覺系統需要哪些硬體設備支援?
A3:系統需要支援 PTP IEEE 1588 協議的工業相機(如 iDS 相機)、支援 PTP Master 模組的主機/網路卡,以及支援 IEEE 1588 的工業級網路交換器(Network Switch)。
想瞭解更多關於如何透過 iDS 工業視覺相機與 PTP 時間同步破局高精度檢測難題?
立即前往虹科 iDS視覺檢測系列總產品頁面瞭解詳情與技術規格。

在 GNSS 領域,許多企業停留在「應用層搬運工」階段,面對無人機蜂群協同、極端環境高精度定位及抗干擾加密通訊等挑戰時捉襟見肘。德思特(虹科合作夥伴)打破淺層集成局限,打造貫穿「底層技術-測試驗證-複雜場景應用」的全鏈路技術縱深。本文深度解碼德思特如何透過專利與軟著佈局,從「根」上構建 GNSS 技術護城河。

全球跨境出海市場規模高達 1356 億美元!但在生鮮、醫藥與敏感高價值產品出海過程中,環境監測與數據合規漏洞正成為企業的致命傷。一個數據中斷或溫度超標漏洞,可能導致整批貨物銷毀與天價罰款。本文深度剖析出海供應鏈三大數據風險,並介紹虹科 ELPRO 企業級數據記錄與冷鏈監測解決方案。

新能源汽車產線節拍(Cycle Time)極度緊湊,傳統 CAN 總線在電池管理系統(BMS)與包級(Pack)測試中面臨傳輸頻寬瓶頸。虹科 CANnector 憑藉強大的 DoIP(Diagnostics over IP)網關能力,實現高頻寬、低延遲的診斷與刷寫,顯著縮短產線測試循環時間。本文深度剖析 CANnector 如何突破傳輸瓶頸並賦能電池系統的高效測試。