5.1 研究結論
本研究針對CMOS 影像感測晶片封裝製程中之 GFVI(Glass Final Visual Inspection) 製程，提出一套完整且可行之CMOS 玻璃蓋片瑕疵自動光學檢測系統，包含光源系
求，因此研發自動光學檢測機台是最佳的解決方案。視覺檢測設備的附加價值相當 高，雖然使用的硬體設備組件如LED 光源、CCD 等價格亦高，然而整合完成的檢測 機台價格，往往是硬體設備組件價格的數倍以上，本研究所擬發展之視覺檢測方法，
將能掌握自動視覺檢測機台的關鍵技術，未來只需進行檢測硬體之機電整合，即能製 造出可技轉至商用型之視覺檢測系統。
5.2 後續研究探討與建議
藉由硬體能力的提升，本檢測系統可在取像上改用CCD 陣列或 Line scan，以進 行高速取像，搭配適當之自動化配備，即能改進為可用於線上檢測之CMOS 玻璃蓋 片之AOI 機台。
本研究所提出之瑕疵分類法，主要是使用來粗分瑕疵種類以選擇適合之影像處理 方法為目的，因此所區分的種類較少，相較於玻璃蓋片的實務上所分成的六類瑕疵(見 表1.1)，分類明顯地少了許多種，未來應可延伸此分類方法，使得自動分類方法能與 業界對產品實務上的六種分類一致，以增加對瑕疵分類之應用價值。
受限於側照式光源下能從影像中取得的資訊，目前本系統仍無法進一步的判斷污 染物的種類或成因，使得品質資訊的回饋機能較為薄弱，此方面應可從光源及取像機 構的改進著手，可做為後續研究改進之方向。
本研究之方法還可以應用在各種光學玻璃材質物品之檢測，如：PDP、LCD 玻璃 基板瑕疵檢測、PLED/OLED 玻璃上、下蓋片瑕疵檢測及光學玻璃鏡片瑕疵檢測等。
參考文獻
【1】 Anil, K. J., “A Survey of Automated Visual Inspection,” Computer Vision and Image Processing, Volume 61, NO.2, pp.231-262, March 1995.
【2】 Batchelor, B. G., “Streak and Spot Detection in Digital Pictures,” Electronics Letters, Volume 15, NO. 12, pp. 352-353, 1979
【3】 Canny, J., "A Computational Approach to Edge Detection", IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol. PAMI-8, No. 6, pp. 679-698, 1986.
【4】 Canny, J., "Finding Edges and Lines in Images"; Report, AI-TR-720, M.I.T.
Artificial Intelligence Lab., Cambridge, MA, 1983.
【5】 David G. D. and Dongming Z., "A Flaw Detection Method Based on Morphological Image Processing", IEEE Transactions on Circuit and Systems for Video
Technology, Vol.3, No.6, pp.389-398, 1993.
【6】 Dayle C. and Raghurm K., "Curved Object Location by Hough Transformation and Inversions", Pattern Recognition, Vol.20, pp.181-188,1987.
【7】 Elmabrouk and Aggoun A., “Edge Detection Using Local Histogram Analysis,”
Electronics Letters, Volume 34, NO.12, Jun 1998.
【8】 Jiaoyan A. and Xuefeng Z. “Analysis and Detection of Ceramic-Glass Surface
Defects Based on Computer Vision,” Proceedings of the 4th World Congress on Intelligent Control and Automation, Volume 4, pp.3014 - 3018, June 2002
【9】 Linda G. S. and George C. S., “Computer Vision,” Prentice Hall Publishing Company, pp.65-68, 2001.
【10】 Matrox Imaging Library User Guide version 7, pp.127~136, 2002.
【11】 Muhammad B. A. and Tae-Sun C., “Local Threshold And Boolean Function Based Edge Detection,” Transactions on Consumer Electronics, Volume 45, NO.3, August 1999.
【12】 Nakagawa Y. and Rosenfeld A., “Some Experiments on Variable Thresholding,”
Pattern Recognition, Volume 11, pp. 191-204, 1979.
【13】 Ostu N., "A Threshold Selection Method from Gray-Level Histogram", IEEE Transactions on Systems, Man, and Cybernetics, Vol.9, No.1, pp.62-66, 1979
【14】 Rafael C. G. and Richard E. W., "Digital Image Processing 2/e," Addison-Wesley Publishing Company, pp.610-624, 2003.
【15】 Xiaoyi J. and Daniel M., “Adaptive Local Thresholding by Verification-Based Multithreshold Probing with Application to Vessel Detection in Retinal Images,”
IEEE Transactions on Pattern Analysis and Machine Intelligence, Volume 25, NO.1, January 2003.
【16】 陳維昱，”CRT 玻璃幕面瑕疵自動視覺檢測系統”，交通大學工業工程與管理所 碩士論文，2001.
【17】 陳賢義，”視覺技術在線上檢測之應用”，自動化感測技術專輯，機械工業雜誌 6 月號，pp.267-279，1993.
【18】 梁有燈，”機器視覺在 BGA 銲球尺寸量測上之應用”，中華大學機械與航太工 程研究所碩士論文，1999.
【19】 顏清居，”應用電腦視覺技術於自動插件印刷電路板之自動檢測新系統設計與 開發”，國立交通大學工業工程與管理學系碩士論文，2000