機械工業網 - 機械產業的入口網站

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。

作者:陳佳盟探索- 臺灣工具機應用領域與AI致能之現況與趨勢

近年我國工具機產業面臨著嚴峻的挑戰，包括地緣政治、出口禁令、市場競爭等，因此國內工具機廠商必須積極開拓新的應用領域，才有機會突破重圍。臺灣擁有完整的半導體供應鏈，若能打破目前在設備上依賴國外業者的局面，國內工具機業者有機會利用這一契機，與發展成熟的半導體產業共同創造最大綜合效益與市場價值；同時，AI(Artificial Intelligence)技術的迅速崛起，正對各行各業帶來深遠影響，而作為工業之母的工具機，能否在這股技術浪潮中借力使力，使產業實現加乘效益，也成為關注的焦點。本文將針對以上的新應用領域與新技術趨勢，進行探討與分析。

作者:張津魁、羅倆凡、李韋辰非破壞性膜厚AI檢測技術

表面鍍膜技術廣泛應用於各種工業製程，以提升材料的耐磨性、耐蝕性等。然而鍍膜層的厚度對於最終產品的性能至關重要，若鍍層厚度過厚或過薄皆可能會影響工件之功能性，導致產品失效。一般常見的傳統檢測方法多透過破壞樣品後，使用目視、顯微鏡或SEM等工具進行量測，雖可提供準確的測量結果，但檢測效率低且會造成樣品破壞問題。本研究透過人工智慧（Artificial intelligence, AI）技術，結合深度學習與影像處理演算法，針對鍍膜表面的膜厚進行分析，克服傳統破壞性檢測的侷限性，並可適應不同材質與鍍層類型，減少雜訊造成的干擾，以確保產品的品質與一致性。

作者:羅倆凡、李韋辰、張耿豪、呂寧遠、蔡雅惠AI檢測技術於特殊金屬表面紋理之場域應用

智慧工廠是一種將人工智慧、物聯網和數據分析等技術應用於製造過程中，實現全面智能化管理的工廠。智慧工廠可以提高生產效率和產品質量，降低成本，實現智能化管理，更好地滿足客戶需求。未來，隨著人工智慧技術的進一步發展，智慧工廠將會成為推動工業發展的重要力量。本文將以實際推廣案例介紹智慧工廠在不同場域以及低碳人工智慧技術的應用。

作者:連健宏、林義暐、王裕銘、李偉杰、梁隆禎人工智慧化瑕疵電路標記系統

近年來，為因應軟性電路板的檢測市場需求及技術變革，工研院機械所致力於人工智慧化電路瑕疵打標系統的開發，以提升國內軟性電路板業者及光學檢測業者的技術能力及產品價值。人工智慧化電路瑕疵打標系統搭配機器學習缺陷辨識技術、瑕疵定位串接技術及機器手臂打標技術，針對細線寬軟性電路板的檢測，可有效降低人力成本、減少產品誤檢率及提高產品良率。該項技術除可應用於軟性印刷電路板外，也可用於面板及半導體…等線路的檢測。本文針對人工智慧化電路瑕疵打標系統及其設備進行深入探討。

作者:沈怡如端到端自動駕駛的機會與挑戰

端到端自動駕駛（End-to-End Autonomous Driving）正在成為智慧車輛產業的重要發展方向，相較於傳統的模組化架構，端到端技術以單一深度神經網路串聯感知、決策與控制流程，可透過大數據訓練實現自我學習、降低軟體開發複雜度並提升整體運行效率，使車輛能以人類駕駛邏輯學習行為決策。目前採用此架構開發的車廠或技術供應商如Tesla、小鵬汽車、Wayve 等。在算力與多模態數據快速增長的驅動下，該模式展現出更高的泛化能力與可擴展性，也為自動駕駛演算法的研發帶來新契機。

作者:張津魁、羅倆凡、李韋辰非破壞性膜厚AI檢測技術

表面鍍膜技術廣泛應用於各種工業製程，以提升材料的耐磨性、耐蝕性等。然而鍍膜層的厚度對於最終產品的性能至關重要，若鍍層厚度過厚或過薄皆可能會影響工件之功能性，導致產品失效。一般常見的傳統檢測方法多透過破壞樣品後，使用目視、顯微鏡或SEM等工具進行量測，雖可提供準確的測量結果，但檢測效率低且會造成樣品破壞問題。本研究透過人工智慧(Artificial intelligence, AI)技術，結合深度學習與影像處理演算法，針對鍍膜表面的膜厚進行分析，克服傳統破壞性檢測的侷限性，並可適應不同材質與鍍層類型，減少雜訊造成的干擾，以確保產品的品質與一致性。

作者:林錦德探討製造業軟體系統整合難處的可能解決方案

智慧製造的目標是應用或發展軟體來整合企業內部各種資產，達成智慧營運管理或智慧自動化的效益。由於各種因素，目前製造業只能爭取到有限的軟體開發或資料科學之人才或合作夥伴，導致企業的垂直系統整合、產品生命週期推展明顯緩慢。本文將介紹低代碼或無代碼的自動化軟體工具，並且說明這些解決方案在製造業上的應用方式與效益。

作者:張耿豪、李韋辰、羅倆凡、呂寧遠、蔡雅惠導磁材料之AI智慧磁檢探傷應用

一般磁粉探傷通常以人員目視檢查缺陷方式進行，乃因使用傳統機器視覺檢測方式常發生誤判、漏檢現象，導致自動檢測一直是個困難的課題，目前大多還是只能依賴目檢員來確保產品品質。為因應導磁材料製品自動檢測之需求，本文將介紹工研院機械所開發之人工智慧磁檢探傷技術以及其相關之導磁材料製品檢測應用，亦可解決現有導磁材料製品表面上因光源不均及磁粉液殘留造成檢測結果不穩定之問題，以提升磁粉探傷產業之附加價值。

作者:張耿豪、蔡雅惠、呂寧遠、李韋辰、鍾幸芸、賴昱廷人工智慧發展與工業影像檢測新方法

人工智慧在這 60年發展的起伏，由於硬體限制的突破使得深度學習蓬勃發展，尤其是電腦視覺與深度學習的相輔相成，能突破日益複雜的製程與產品需求之檢測瓶頸。工研院機械所提出了一個創新的運作框架，ITRI AOI2智慧光學檢測模組將先進的人工智慧演算法整合入現有的光學檢測系統，此系統突破了製造業缺陷檢測系統的技術瓶頸，來達到製造精進之目標。

作者:莊柏逸、鄭憲君、沈意傑、林順傑超效率佈署AI-BOT流程自動化機器人技術與製造應用實例

藉由機器人流程自動化的導入，可對企業生產效能與品質有顯著的提升，然而企業實際導入時，除技術問題外亦常因其軟硬體環境的條件而有不同的挑戰。本文以三個結合腳本化智慧代操與視覺檢測技術的導入應用實例，介紹流程自動化部署時的技術要件與實務考量，以及部署後對企業特定流程效能的改善。透過本文所發展的方法及相關案例導入驗證，未來結合機器學習與人工智慧技術將成為機器人流程自動化與智慧化之發展方向。

歷史雜誌