實體隔離系統資料萃取 架構指南

面對「絕對不能與舊系統進行軟體層面資料串接（無 API、無 DB 連線）」的硬性限制，本文件探討如何透過「旁路攔截（Bypass Interception）」實現舊廠房數位轉型（Brownfield Digitization）。

核心檢驗目標（爆震感測器）

1. 敏感度 (Sensitivity)

擷取畫面上的數值（如 30.664），並判斷是否落在標準範圍內：

\( 28 \pm 8 \text{ mV/g} \)

2. 線性 (Linearity)

擷取黃色頻譜曲線（FRF_Mag），分析其波動範圍是否小於指定比例且曲線平緩：

波動範圍 \( < 20\% \)

非侵入式架構方案評估

方案一：數位影像攔截 (Digital Video Interception)

🌟 首選

這是目前科技大廠處理舊機台最受歡迎的做法。不碰舊電腦的系統，僅「攔截」其顯示的數位畫面。

系統架構與流程圖

graph LR A[舊系統主機] -->|VGA/HDMI 訊號| B((硬體分接器
Splitter)) B --> C[原機台顯示器] B -->|無失真複製| D[影像擷取卡
Capture Card] D --> E{Edge AI Server} E -->|1. ROI 裁切 + OCR 讀取敏感度| E E -->|2. 顏色過濾提取曲線計算線性度| E E -->|JSON 結構化數據| F[(新 Web 系統
FastAPI / React)] style B fill:#fde047,stroke:#ca8a04,stroke-width:2px style E fill:#bfdbfe,stroke:#2563eb,stroke-width:2px style F fill:#bbf7d0,stroke:#16a34a,stroke-width:2px

優點 (Pros)

  • 畫面 100% 清晰無反光，不受環境光線干擾。
  • OCR 與曲線分析準確率極高。
  • 對舊系統是「物理級」的零干擾。

缺點 (Cons)

  • 需要額外採購擷取卡與邊緣運算微型主機。
  • 需在舊機台後方加裝硬體線材。

方案二：視覺辨識旁路 (Computer Vision Camera)

最低硬體侵入性（純光學解決方案）

如果連舊機台的螢幕線都不方便拔插，則採用安裝外部相機的方式，直接拍攝螢幕畫面進行分析。

系統架構與流程圖

graph LR A[舊機台螢幕] -.->|光學攝影| B((工業相機 / WebCam)) B --> C{Edge AI Server} C -->|1. 透視投影轉換校正變形| C C -->|2. YOLOv8 定位數值與曲線框| C C -->|3. OCR 辨識與像素特徵提取| C C -->|JSON 結構化數據| D[(新 Web 系統)] style B fill:#fde047,stroke:#ca8a04,stroke-width:2px style C fill:#bfdbfe,stroke:#2563eb,stroke-width:2px style D fill:#bbf7d0,stroke:#16a34a,stroke-width:2px

優點 (Pros)

  • 隨插即用，完全不需要動到舊系統的任何一根線材。
  • 部署快速，適合無法停機改裝的設備。

缺點 (Cons)

  • 易受工廠環境光源變化、螢幕反光、震動影響。
  • 需要強大的 CV 預處理（如透視校正）來對抗環境噪聲。

方案三：物理訊號直接攔截 (IoT DAQ)

最硬派、數據最純粹（深層次資料整合）

繞過舊電腦的影像輸出，直接從感測器源頭讀取類比訊號，並在邊緣端自行進行訊號處理（如 FFT 轉換）。

系統架構與流程圖

graph LR A[爆震感測器] -->|類比訊號| B((硬體並聯分流
Parallel Tap)) B -->|原有路徑| C[舊系統電腦] B -->|旁路訊號| D{DAQ / IoT 裝置
ESP32等} D -->|邊緣運算: 執行 FFT 轉換| D D -->|計算強度、相位、線性度| D D -->|MQTT / API 即時推播| E[(新 Web 儀表板
即時重繪現代化圖表)] style B fill:#fde047,stroke:#ca8a04,stroke-width:2px style D fill:#fca5a5,stroke:#dc2626,stroke-width:2px style E fill:#bbf7d0,stroke:#16a34a,stroke-width:2px

優點 (Pros)

  • 數據精準度最高，徹底擺脫舊系統的影像解析度限制。
  • 掌握底層數據，可做出比舊系統更精細的進階分析與預測性維護。

缺點 (Cons)

  • 需深入了解電子電路（可能需設計 OP 放大隔離電路避免干擾原機台）。
  • 硬體開發與訊號調校的門檻最高。

方案四：人機協作行動端 PWA

敏捷上線方案（Human-in-the-Loop + AI）

預算有限或希望極速上線的選擇。透過作業員使用平板拍照，交由雲端多模態大模型（Vision LLM）輔助判斷。

系統架構與流程圖

graph TD A[作業員] -->|操作平板 PWA 拍照| B(舊機台測試畫面) B --> C[上傳圖片至雲端/後端] C --> D{Vision LLM
多模態 AI 瞬間分析} D --> E[數值與曲線初步評分] E --> F{是否為邊緣值?} F -->|是| G[跳出紅框：強制人工二次確認] F -->|否| H[系統自動建檔] G --> H H --> I[(資料庫)] style A fill:#e5e7eb,stroke:#4b5563,stroke-width:2px style D fill:#cffafe,stroke:#0891b2,stroke-width:2px style G fill:#fee2e2,stroke:#ef4444,stroke-width:2px

優點 (Pros)

  • 開發成本極低，上線時間最短。
  • 完全不需改裝任何廠房硬體與走線。

缺點 (Cons)

  • 增加了作業員的工作步驟。
  • 自動化程度較低，仍需依賴人工介入。

總結與建議

'這個方案，保證影像不會受環境光，螢幕彎曲影響:' 方案一 (數位影像攔截)。若使用方案二，需先經過評估和測試，確保不會受環境光，反射，螢幕取率，造成系統判斷失誤。

若團隊對硬體與微控制器有深入研究（具備電路改裝能力），方案三 (IoT DAQ 攔截) 則是最具技術的做法，同時也具風險，阻抗匹配問題並聯分流會改變訊號源的負載阻抗，可能影響舊系統的量測值，造成兩套系統數據不一致。