機械工業網 - 機械工業雜誌 - 機械產業的入口網站

作者:楊宗賢、劉昱顯機器人AI視覺動態影像特徵定位技術

傳統在使用機器人進行自動化的設計應用中，機器人與目標物之間的定位與即時動態控制佔據了關鍵角色，也幾乎決定了系統整體的動態效能，並影響總體執行時間與工作精度兩個重要的量化指標。一般在設計機器人控制流程前會先利用視覺感測器來偵測目標物上的特定平面格狀交點特徵或立體參考點後，再進行兩者間的座標校正與轉換計算，才可進行後續的智慧化控制流程，然而現今為符合產業在高速動態與高精度的需求下，在目標物上的特徵偵測演算速度與位置正確性將會是關鍵。有鑑於目前人工智慧(Artificial Intelligence, AI)的蓬勃發展，本文分析多種具備即時性與準確性的特徵偵測AI模型與機器學習演算法，並分別針對橡膠、鑄件、畜牧三種產業上所需要的2D與3D的視覺特徵偵測、分類與追蹤，搭配高即時性機器人的動態控制來實現低延遲與高精度的自動化系統。

作者:楊宗賢、劉昱顯異質設備多機同動與協作控制技術

在自動化產業中，控制器的功能整合為快速導入產線的關鍵組件之一，一般工廠內包含多種非開放式的異質設備，受限於其中的軟硬體限制，在整合上往往需耗費大量時間和專業人力資源來進行介面設計和程式編寫。本文針對產線的需求，開發一種基於多種通訊技術的介面整合，實現具模組化的軟硬整合技術，此技術完成了設備間的高效同步通訊和協作，並搭配人工智慧演算法的手段解決傳統無法自動化的流程，大幅降低自動化的門檻，同時增加生產效率和整體穩定性。本文透過實際的橡膠產線驗證，建立具自動化的生產流程。

作者:陳侑成AIoT結合智慧製造技術發展現況與展望

企業透過智慧技術的導入，達到製程縮短、人力及生產成本下降、以及良率的提升，對全球生產模式產生革命性的創新。[1]據日本市調機構富士經濟預估，2025年智慧工廠之市場產值將達到 632.8 億美元；麥肯錫也預測 2025 年物聯網相關應用的產值高達3.9兆美元至11兆美元，智慧工廠即為智慧科技最大應用市場，市場占比約33%。IoT與AI的結合能極大化產能與最佳化效益，結合發展成為「人工智慧聯網」（AIoT），是未來科技的主流趨勢。本文將檢視近年來製造業導入AIoT相關製造的發展現況、企業導入原因與實施後的優勢，並進一步分析臺灣未來在市場中扮演的角色與發展。

作者:林祺翔智能化刀具辨識匹配技術

隨著加工製程日益複雜，機台上需裝配各種不同類型的刀具以符合各種製程需求，將導致使用者於加工前，必須花費大量時間比對刀具與工序是否匹配，此外還有許多人為的不確定因素(如刀具裝錯位置)。為實現高品質及高安全度之加工，本文利用視覺模組捕捉各刀具影像，搭配AI影像辨識、圖型識別與工序解析技術，分析NC加工碼與裝配於刀塔上之刀具以擷取出刀具需求碼與刀具特徵碼，自動進行匹配檢知以取代傳統需仰賴人為逐一比對之流程，實現製程產線智慧化。

作者:王宣閔、吳佳鴻、沈宜萱、李韋辰邁向可信賴工業AI：應用檢索增強生成RAG消除非結構化數據推理中的幻覺

隨著生成式人工智慧快速發展，大型語言模型已展現強大的文本理解與生成能力。然而，這項技術在工業應用中仍面臨「幻覺」的核心挑戰—即模型可能產生看似合理但缺乏事實依據的回應，這對於精密工程應用來說是非常嚴重的缺點。本文探討檢索增強生成技術如何成為實現可信賴工業AI（Artificial Intelligence）的關鍵路徑，並介紹工研院機械所開發的「具重複自我反思的瑕疵檢測方法推薦模組」，讓語言模型的生成精確度提升至80%、上下文關聯性達85%。RAG（Retrieval-Augmented Generation）不僅是技術創新，更代表工業AI從「技術展示」邁向「可信賴應用」的典範轉移，是實現可信賴工業AI的必經之路。

作者:陳柏宇、徐榮弘智慧車輛感測資料監控與分析

本文以「智慧車輛感測資料監控與分析」為核心，整合車輛感測器數據、AI演算法與視覺化介面，全面提升車隊營運效率與安全性。透過即時監控機制，可快速獲取並分析車輛動態資訊，包括車輛耗能與動力狀況、行駛數據與異常情況。同時，本系統導入預測性維護觀念，以深度學習技術辨別潛在故障風險，協助車隊管理者在故障出現前即時採取措施，減少維修成本與停機時間，並大幅提升行車安全。整合性的平台設計亦便於後續功能擴充，為智慧交通管理奠定堅實基礎。

作者:蔡承翰、洪國峰模擬器自動圖像生成及自動標註：以深度學習結合機器人隨機堆疊取料為例

目前視覺領域中的深度學習往往依賴大量圖像及針對這些圖像進行標註，才能將資料集給深度學習演算法進行學習，而人工蒐集資料曠日廢時，且成像品質無法控管其為問題之一，人工針對大量資料進行標註，不同工程師標註方式與品質不一，且此工作枯燥乏味無法負荷長時間工作其為問題之二。針對上述兩個問題，本技術提出以模擬器建立高擬真的場景，其中包含工廠配置、料籃、光源及工件資料，並透過多樣性生成算法(Domain Randomization)，快速產生大量符合物理特性工件隨機堆疊擺放之多樣性場景，以及相關條件控制如：光源種類、光源方向等。針對每一次的場景進行工件遮蔽演算法計算，判別物料隨機掉落於料籃後是否有遮蔽現象等，以配合後續機器人隨機堆疊取料之應用情境。根據每一次場景結果進行圖像儲存以及自動圖像標註包含：工件多邊型標註(Polygon)資訊、深度圖像取料點標註(Picking Point label)資訊、圖像儲存位置描述等，其描述檔案符合Pascal 與 COCO Datasets格式，故可以支援絕大多數圖像深度學習演算法之使用。

作者:黃兆平、謝英風、范姜嘉辰、賴允文、崔虎軒控制解耦架構下之智慧上控與飛控底層深度整合

為解決無人機導入高算力 AI 時對飛控即時性與安全性的影響，本文提出控制解耦架構，由飛控負
責即時穩定，機載電腦執行 AI 任務，並透過中介層整合。系統以三機協同進行 SITL 與 HITL 驗證，並比
較不同 AI 任務造成之系統負載。結果顯示，此架構可避免 AI 算力負載對飛控干擾，觀測到模擬難以呈
現之同步、通訊與高算力負載問題，並確認新增延遲仍位於閉迴路穩定邊界內，算力足以擔負機載 AI 任
務並作為自主無人機整合驗證平台。

作者:李建毅、楊善荏、莊佳瑾、廖孟秋、黃鵬緒、蔡孟勳、簡嘉宏AI賦能工具機數位雙生平台

近年來國際工具機製造商如 DMG-MORI、MAZAK 皆陸續導入邊緣人工智慧（Edge AI），強化設備的健康狀態監控、異常診斷與製程優化等提升智慧設備。然而，控制器受限於格式封閉且運算效能與外接硬體成本考量，使得AI技術難以在工廠大規模落地，為解決此瓶頸，工研院機械所偕同國立臺灣大學機械系蔡孟勳教授團隊以及新代科技三方合作，建置示範線樣板，以AIEmbedded CNC （Computer Numerical Control）控制器技術，將AI模型直接部署至控制器內，與原有的控制器核心協同運作，並建置工具機邊緣驗證平台，導入國內控制器實測資料驗證AI模型的可行性，降低AIApps上機測試成本，以先驗證再導入的標準化路徑，提供AI模型自工具機數位雙生平台整合的虛擬建模技術，再以AI Embedded CNC控制器技術的控制器端部署到最後於臺中工研院智慧製造驗證場域實機驗證的完整技術路徑，為AI賦能工具機的實用化與產業化奠定基礎。

作者:姜奕弘、林祐任、蔡承翰智慧噴塗路徑生成技術之研究

智慧噴塗技術是現代塗裝產線智慧升級的重要方向，傳統噴塗路徑設計仰賴人工經驗，缺乏靈活性與一致性，易造成粉末浪費與品質不穩定。本文針對異形工件之智慧噴塗需求，開發整合數位雙生模擬、AI影像辨識與智慧噴塗路徑自動生成之系統，實現噴塗流程智慧化。透過Visual Components建立虛實對應產線模型，配合GAN生成高品質虛擬影像訓練YOLOv8辨識模型，快速獲取工件特徵，並以3D光學掃描提升噴塗軌跡精準度。智慧路徑生成演算法動態控制4支噴槍，搭配即時監控靜電值、噴塗量與粉末回收系統，達成高效率、低能耗之智慧噴塗效果。實務驗證顯示，系統可提升生產效率32%，粉末利用率達80%以上，良率穩定98%，有效促進塗裝產線節能減碳與智慧升級。

作者:詹巧同基於影像定位之ADAS於駕訓班場域的創新應用

自動駕駛輔助系統（advanced driver assistance systems, ADAS）不僅改善現行駕駛環境更是自駕車的前哨站。本篇介紹以影像定位為基礎的自動駕駛輔助系統應用於駕訓班，尤其針對日本的高齡駕照認知測試。這個系統能減少人力成本，自動化教學指導，並創建客觀的考試環境，未來還可提供更詳細的雲端駕駛行為分析。ADAS 主要依賴影像處理以及定位技術，包括車道線、路面標記辨識、紅綠燈和號誌辨識，以及物件偵測等。它結合深度學習和電腦視覺技術，提高偵測精確度和穩定性。透過七大模組進行車輛定位和環境辨識，進而評分駕駛行為，如紅綠燈行為對應、道路標記及停止線停等、過彎軌跡評測、段差跨越和定速操駕等。除了這些評分功能，ADAS 還提供路線偏離和環境車輛距離告警，增加駕駛安全。此外，這項技術對為未來自駕車提供更豐富的感知輸入和先行探索極端情況並開發應對方案。總的來說，這種基於影像的 ADAS 技術是駕訓班應用的重要創新，提高了駕駛安全性，提升自駕車技術和為車廠開拓嶄新的服務思路。

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。

歷史雜誌