機械工業網 - 機械工業雜誌 - 機械產業的入口網站

:::

歷史雜誌

依專輯名稱關鍵字搜尋或依年份搜尋，年份輸入範例202406

作者:邱威堯、謝伯璜、張津魁、呂尚杰、張俊隆堆疊物件取放技術簡介

近年來工業自動化的研究重點皆專注提升彈性作業、智慧化以及強健性的工作能力，而其中堆疊物件取放技術結合了3D機器視覺、物件辨識、路徑規劃以及夾爪設計，是具有高度挑戰性之技術。在本文中，將利用立體視覺導引機器手臂（Vision Guided Robot, VGR）取放技術針對水五金進行任意堆疊的取放動作。此堆疊物件取放技術包含三個部分：1. 三維立體視覺取像、2. 堆疊工件分割、3.工件姿態估測。最後由實驗結果驗證此堆疊物件取放技術可由任意堆疊的水五金中自動選取並估測其位置與姿態而進行取放。

作者:林孟璇、陳裕文、蔡承翰、羅丞曜以卷積神經網路及資料擴增方式訓練識別低應力響應物件形貌人工智慧模型之方法

隨著人工智慧技術躍進，觸覺感測已成為智慧系統於複雜環境中進行互動與感知的關鍵技術。然而，
低成本平面陣列感測器普遍面臨空間解析度受限以及物體重量與幾何形狀特徵高度耦合等挑戰，導致辨
識精準度難以提升。本研究提出一種觸覺辨識運算框架，採用16 × 16 軟性薄膜壓力感測陣列，依序透過
數據收集、特徵解耦、擴增建模及智慧辨識之系統化流程進行分析，並透過壓力總和標準化消除絕對重
量干擾，強制模型優先提取幾何特徵。在模型評估方面，提案方法開發一套整合空間位移、幾何旋轉、
插值縮放與隨機高斯雜訊之十倍資料擴增流程。此外，本方法亦針對33 種常用機器學習演算法與最佳化
之輕量化卷積神經網路建立完整測試。實驗結果顯示，相較於傳統模型在一般測試中之差強人意表現，
所提出之輕量化卷積神經網路架構於資料擴增後，在新舊測試集中均達成100% 辨識準確率。本方法透過
數位訊號處理與深層表徵學習實證，可補償低解析度訊號之限制，為智慧觸覺辨識應用建立一套標準高
效建模流程。