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:沈宜萱、吳佳鴻、李韋辰基於GAI之瑕疵影像生成研究

面對勞動力老齡化與經驗斷層，製造業正加速導入人工智慧與自動化光學檢測技術至品質檢測中，以提升檢測效能。然而高良率產線常面臨瑕疵樣本稀缺問題，也成為訓練高穩健性AI檢測模型的瓶頸。為此，本研究開發模仿式瑕疵影像生成模組，將資料收集策略由被動收集轉為主動生成。模組使用局部填補技術，將瑕疵大小與位置參數化，納入生成模型的約束條件，使生成瑕疵特徵趨近於真實影像。實測顯示，在僅有100張真實瑕疵影像的情況下，透過GAI擴增瑕疵影像，將其加入檢測模型訓練，使召回率從72%提升至99%，有效降低漏檢率，並快速建置檢測系統。

作者:林豈臣,蔡淳宇,潘楷明,黃少谷瑕疵資料生成與檢測模型建置技術

本技術針對現有工件表面檢測方法存在人工誤差高與自動化光學檢測（Automation Optical Inspection, AOI）系統彈性不足等問題，提出一套結合生成式AI與虛實整合平台的瑕疵資料生成與檢測模型建置技術。系統整合機械手臂與影像擷取模組，透過收集正常與異常表面影像，經標註與預處理後作為生成模型訓練資料，運用擴散模型與生成對抗網路技術擴充數據，並結合虛擬環境中光源與相機位置隨機生成機制，模擬實際光照與視角條件，建立多樣化標註資料。檢測模型採卷積神經網路進行訓練與驗證，經由不同樣品測試，結果顯示系統具備高準確率、良好推論效能及部署彈性。本系統不僅提供智慧製造場域自我擴充與高度可用的檢測方案，亦具備應用於其他多變製程的潛力。