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: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:陳昌毅、李品瑤、王裕清、陳彙宇、林義暐、林順傑、江敏村虛擬品管員-智慧化網印參數監控回饋技術

建構在電路板防焊層印刷之智慧化網印參數監控回饋技術，導入網版漲縮補償回饋系統以及印刷厚度即時監控補償系統，整合數種感測技術以及智慧補償模型，藉此提升電路板防焊層印刷品質，印刷厚度均勻度誤差在±1 µm內，印刷圖案覆蓋位置偏移量在±0.015 mm內，提高產品品質、降低生產成本、提高生產效率、優化生產流程，並有助於智慧製造的實現。

作者:黃成凱、麥朝創應用於顯示器自動化檢測之機械手臂虛擬工具中心點自動校正與位置教導系統

機械手臂的精度受到工具與工件位置的正確性影響，必須對其校正才可確保精度。目前工具中心校正方法大多依賴實體特徵點之辨識，對於無實體工具中心點之應用而言(如非接觸檢測、噴塗)則難以校正。為解決此問題，本文提出虛擬工具中心點自動校正與位置教導系統並導入顯示器檢測應用：利用三角測距搭配視覺伺服完成校正與位置教導，解決目前非接觸應用之虛擬工具中心點依賴人力進行位置教導之問題；透過自動教導方法，無須依賴操作者之經驗，有效克服技術人力養成不易及製造業缺工之問題，符合產業對於智慧製造之期待與需求。

作者:葉峻賓、連健宏、許沁如、王裕清、黎煥昇、王裕銘、莊柏逸、蔡博翔虛擬檢測員-全自動智慧PCB光學檢測技術

產品品質是企業追求客戶滿意、提高競爭力的重要指標，生產檢測則是確保產品品質的重要手段，儘管目前市面上有許多視覺檢測（Automatic Optical Inspection, AOI）解決方案可供使用，然而實務上易因寧可錯殺不得誤放之需求，為提升缺陷檢出率而增加特定缺陷種類的資料量，卻導致過度學習（overfitting），讓系統穩定性不佳。為此，團隊已發展虛擬檢測員（Virtual Quality Inspector, VQI）外觀瑕疵檢測技術，可從大量正常影像建立模型，檢測與正常影像差異過大的影像，藉此避免未知的缺陷被分類器誤放，並能整合多種分類器來降低已知缺陷之誤判率，及依據現場作業檢測複判精度動態調整偵測靈敏程度，以維持檢測技術的正確性與穩定性。最後，團隊亦將VQI技術整合至既有AOI設備系統，可代替作業人員自動填入複判結果，利用檢測後之良率分析資訊，串接機器手臂於卷對卷軟板製程進行缺陷標記，達成全自動化之智慧光學檢測作業。

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:李建霖、蔡坤諭、錢盛偉先進製程缺陷檢測設備性能測試標準樣本製作技術

先進製程缺陷檢測技術為驅動前瞻半導體元件與製程發展的關鍵因素之一，但在先進技術節點中，對應檢測技術的取得可能面臨困難。為了研發出新的檢測技術，需要特定尺寸的高品質測試樣本。測試樣本之製程設計可採用基於光阻之微影技術以及直接噴濺製作出微結構等方法。本文先對缺陷檢測在先進製程之重要性做一簡介，並指出測試樣本對研發缺陷檢測技術之必要性。之後針對不同測試樣本製作技術做較深入之探討，並提出未來技術之發展方向。

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:吳祉毅、施志軒基於YOLO演算法實現機器人孔渣移除定位補償與瑕疵檢測系統

機械手臂在工廠自動化中扮演著重要的角色，具有極高的靈活性、精確性和自主操作能力，並且可紓解缺工人力勞動的需求。在本文中，我們開發了一個具有自動位置補償和瑕疵檢測能力的機器人孔渣去除系統，能夠定位工件的特徵，進行孔渣去除和瑕疵檢測，並利用YOLO（You Only Look Once）算法進行物體檢測。本文中的實驗工件是膝關節股骨植入物。首先，我們採用了一種位置補償方法來精確定位工件的夾持孔。然後，EzSim軟件自動生成機器人路徑，用於去除夾持孔孔渣。隨後，系統利用檢測到的瑕疵位置生成重新去渣的路徑，確保所有殘留物被徹底清除。

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:廖禾溱、李孟霖、許銘翔、偕睿仁、王俊傑傳動系統狀態檢測及定位分析

本篇以齒輪為分析標的，透過齒輪箱振動訊號進行關聯特徵萃取，解析出適用特徵鑑別齒輪箱，再利用統計分析與類神經網路進一步判別齒輪狀態。使用本法對運轉中的齒輪箱進行狀態監測並實施有計劃的維修保養，不僅能夠延長齒輪箱的使用壽命,而且能夠有效減少因停機、安全事故等造成的損失。

歷史雜誌