機械工業網 - 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:黃光瑤雷射超音波於管件瑕疵檢測應用

以脈衝雷射激發物體產生超音波之超音波檢測技術，藉由超音波訊號作為檢測物體內部資訊的方法，可以在不破壞物體的情況下獲得非透明材質表面底下的資訊。以雷射作為超音波之激發源可以配合使用掃描模組，達成快速掃描的優點，同時可以配合雷射參數的調整，使產生不同特性的超音波，使用上功能性將更具彈性。而全光學的架構可以達成非接觸式的優點，可應用於輸油鋼管高溫製造時之即時缺陷監控。

作者:陳柏宇、楊富程、劉定坤X光電腦斷層掃描技術之實驗驗證與探討

計量與檢測技術在工業製造中扮演關鍵角色，有助於品質控制、流程優化與產品開發。傳統檢測多聚焦外觀，面對複雜內部結構，X 光電腦斷層掃描 (X-ray Computed Tomography, XCT) 因具非破壞性與高解析度，成為重要工具，但XCT 量測受多種因素影響，使得系統驗證至關重要，以此確保內部三維結構的高精度測量。針對國內XCT 校正追溯能力不足問題，依據國際VDI/VDE 2630 標準及市售設備規格，本文發展XCT參考標準件與校正技術，透過實驗與數值分析，完成對XCT系統之量測誤差及其影響探討，期望提升對XCT 系統驗證與檢測技術的理解，確保非破壞內層量測結果準確可靠。

作者:楊凱智、徐家瑋、吳鴻材、王俊傑AI音頻非破壞檢測技術

本研究開發了一種適用於金屬零組件的環保且非破壞式檢測方法，目標在改進如X光、超音波、磁粉等檢驗技術。研究的主要目標是建立一個基於智慧製造的人工智能系統，用於檢測金屬零組件的內部與外部損傷。首先使用衝擊錘、力感測器與麥克風感測器進行音頻數據的觸發與蒐集，接著利用自編碼器（Auto Encoder, AE）壓縮特徵，隨後通過群集分析挑選代表性樣本進行破壞性檢測以取得標籤，最後整合音頻特徵提取技術和卷積神經網絡（Convolutional Neural Network, CNN），辨識出金屬零組件的良/不良品之音頻特徵，在識別特定類型的金屬零組件產品時達到了99.60%的準確率。

作者:楊凱智、徐家瑋、吳鴻材、王俊傑AI音頻非破壞檢測技術

本研究開發了一種適用於金屬零組件的環保且非破壞式檢測方法，目標在改進如X光、超音波、磁粉等檢驗技術。研究的主要目標是建立一個基於智慧製造的人工智能系統，用於檢測金屬零組件的內部與外部損傷。首先使用衝擊錘、力感測器與麥克風感測器進行音頻數據的觸發與蒐集，接著利用自編碼器(Auto Encoder, AE)壓縮特徵，隨後通過群集分析挑選代表性樣本進行破壞性檢測以取得標籤，最後整合音頻特徵提取技術和卷積神經網絡(Convolutional Neural Network, CNN)，辨識出金屬零組件的良/不良品之音頻特徵，在識別特定類型的金屬零組件產品時達到了99.60%的準確率。