AI音頻非破壞檢測技術

前言

隨著現代工業的快速發展，特別是在汽車與航空等領域，確保金屬零件的完整性與品質已成為工業生產的宗旨，若未進行檢測，這些異常可能導致不良後果，甚至引發災難性的故障；此外，這些缺陷可能干擾生產運作、危及生命，並導致高昂的維修成本。在此背景下，金屬的非破壞性檢測(Non-Destructive Testing, NDT)成為關鍵技術，廣泛應用於傳統機械製造業以及粉末冶金、汽車工程和航空航太等核心技術領域，能夠在不影響金屬零組件功能的前提下評估其結構完整性，對於維持製造流程與最終應用的安全性、可靠性及效率扮演著不可或缺的腳色。
NDT主要利用光學與音頻方法來進行檢測及評估缺陷[1]，基本過程涉及透過NDT區分相關缺陷及無缺陷，並評估元件是否符合指定的驗收標準；隨著現代工業與技術的進步，金屬的非破壞性檢測技術也在持續發展。當前，NDT方法可分為六大類，其中常見的應用包括超音波檢測(Ultrasonic Testing, UT)、射線檢測(Radiographic Testing, RT)、磁粉檢測(Magnetic Particle Testing, MPT)、滲透檢測(Penetrant Testing, PT)、渦電流檢測(Eddy Current Testing, ECT)等，這些技術在航空航太、汽車製造及粉末冶金等多個工業領域中發揮了關鍵的作用。
近年來，光學檢測技術(如X射線)已被應用於金屬的非破壞性檢測，雖然X射線方法可穿透金屬零件並提供清晰的結構影像，但其缺點亦相當顯著，X射線設備的成本高與體積大使得廣泛部署變得困難；此外，輻射外洩的風險需要持證操作人員來管理，這使其在製造環境中的應用變得更為複雜，從而限制了光學檢測技術的推廣與應用。同樣地，磁粉檢測(MPT)被廣泛應用於粉末冶金中，用於檢測鐵磁性材料的表面與近表面缺陷，但該技術亦存在明顯的缺點與潛在危害，環境問題是其主要挑戰之一，因為磁粉與顯影劑可能含有有害化學物質，若未妥善管理將導致污染，因此廢棄物的正確處理是十分重要的，以防止土壤與水源受到污染；此外，健康風險也不容忽視，長期接觸這些化學物質可能導致皮膚過敏與呼吸道疾病；成本亦是一大限制因素，專業設備與高品質材料價格昂貴，且需要熟練技術人員進行操作，從而提高了勞動成本，且化學物質的處理與廢棄物處理也進一步增加了開銷，大規模測試則需要更長的時間；綜上所述，儘管MPT具有良好的檢測效果，但其環保、健康及成本方面的缺陷限制了其應用。
因此，本研究提出了一種基於人工智慧(Artificial Intelligence, AI)的音頻方法，作為金屬零組件的先進環保無損檢測技術，主要目標是建立一套工業用AI音頻檢測系統，以檢測金屬零組件的內/外部損傷。所開發的音頻檢測設備如圖1，能夠在加工後立即檢測缺陷，避免不必要的製程步驟，降低生產成本並提高良率。
本研究的貢獻如下：

1. 開發一種應用於金屬製造產業的環保非破壞性檢測技術，該技術基於AI音頻識別，可部署於金屬加工機台旁進行即時缺陷檢測。
2. 採用連續小波轉換(Continuous Wavelet Transform, CWT)來提取金屬零組件的音頻訊號特徵，CWT能夠準確分析時頻特性，在測試準確率方面優於短時傅立葉變換(Short-Time Fourier Transform, STFT)與梅爾頻率倒譜係數(Mel-Frequency Cepstral Coefficients, MFCC)等方法。
3. 本研究開發的模型專門針對金屬零組件的音頻訊號進行缺陷檢測，並與ResNet(Residual Neural Network)、SENet(Squeeze-and-Excitation Network)和EfficientNet等深度學習網路進行基準測試，結合CWT與深度學習技術，模型達到了99.60%的卓越準確率。
4. 本技術的實施顯著提升了金屬製造產業的環境永續性，透過降低20%的電力消耗與碳排放，推動產業邁向綠色製造與智慧製造的目標。