機械工業網 - 機械工業雜誌 - 機械產業的入口網站

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:黃仲宏人工智慧技術將讓機器人如虎添翼

生產線上的機器人，導入人工智慧的應用，最大的目的是降低因應外界變化所需的成本，未來機器人的產業地圖將會因AI而有顯著的改變。智慧機器人製造者有強者恆強、大者恆大的趨勢，我們不應只專注於製造銷售「高CP值的機械手臂產品」與KUKA、FANUC等現有的市佔率高者硬碰硬，更要聚焦於以所擁有的機器人製造發展經驗與電資通訊系統整合，進而運用人工智慧技術讓台灣機器人產品發展後發先至，成為未來的優勢產業之一。

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:洪哲倫智慧製造的關鍵角色：工業大數據分析

物聯網與機聯網的進步，現在已經能夠有效蒐集生產現場的數據。以往這些數據只被使用來監控現場的生產狀態，近年來隨著大數據分析與人工智慧的思維加入，這些數據有了更多樣的應用，進而形成智慧製造的新領域。本文將針對工業大數據的產生、儲存與計算還有人工智慧分析進行介紹。

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:鄭中強人工智慧賦能的自主移動機器人導航：感知、規劃與基於學習的控制研究調查

隨著自主移動機器人 (AMR) 在智慧製造的快速普及，自主導航已成為AMR 的核心能力。本文探
討人工智慧導入自主移動機器人導航系統之發展趨勢，聚焦於感知、規劃與學習式控制三大核心模組。
傳統 AMR 導航多仰賴規則式與模型式方法，於動態與複雜場域中會有侷限。近年深度學習與強化學習技
術被引入導航本體架構，使機器人具備語意感知、學習式路徑規劃與端對端運動控制能力。本文透過系
統性文獻回顧，分析 AI 如何重塑導航流程，並整理多模態感測融合、神經代價地圖與強化學習控制等關
鍵技術，最後探討整合式 AI 導航架構之挑戰與未來發展方向。

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: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。

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。

歷史雜誌