機械工業網 - 機械工業雜誌 - 機械產業的入口網站

作者:張耿豪、林毓庭、邱威堯、蔡雅惠多視角3D全形貌建模與缺陷檢測技術簡介

近年來，3D深度感測元件被廣泛應用於工業自動化之領域，本文中利用3D深度感測元件所擷取之三維座標資訊（點雲）資訊進行工件姿態之估測及外觀缺陷檢測，達成彈性取放工件與檢測之目的，進一步使得機器手臂能自動化上下料、加工製造及產品篩選。傳統3D深度感測元件在進行工件建模縫合時，需透過連續鄰近3D掃描所產生的三維特徵資訊來進行縫合，因此造成建模耗時且無法適用於大範圍移動掃描等問題，本文中提出多視角3D全貌姿態估測技術以及多視角3D樣貌缺陷檢測技術，除可克服跨大視區之工件掃描及建模問題外，亦可兼具檢測工件外觀重大缺陷之功能。多視角3D全貌姿態估測技術使得視覺導引機器人（VGR）系統能夠透過獲得的影像準確地運算工件的姿態與位置，提昇夾持工件、搬運和組裝能力，搭配多視角3D樣貌缺陷檢測技術可做供件品質粗篩選後再進行後續製程，可減少製程虛工時間之損耗。

作者:曾炫凱、胡家睿視覺對位補償技術與產業應用介紹

視覺技術為現有平台進行對位不可或缺的角色之一，其橫跨的產業領域非常廣泛，目前配合電子、面板與半導體的發展其需求也越趨於精密，面對光學鏡片、感光原件…等關鍵零組件受國際大廠壟斷，如何運用不同之光學原理高精度的量測與補償方法為此領域之中爭相研究之課題，在產業面相上我國又正好是電子、電路的製造大國，因此視覺對位技術對於我國產業發展亦有一定之影響，基於此重要性本文將介紹視覺對位技術之發展現況與整理其在台灣產業中之應用模式。

作者:李則霖、詹聖瑋基於視覺停車格偵測與多階段控制之自動停車系統開發

隨著當前汽車無人駕駛技術日新月異的發展，國內外車廠紛紛投入汽車無人駕駛技術的研發，其中，自動停車技術為當前重要發展標的之一。而現有半自動停車系統，多採用距離感測器偵測停車空間，需要依賴鄰車以定位停車空間，造成使用者在僅有地上標線的停車格進行停車且該停車格兩旁無鄰車可協助偵測時，反而造成停車不易的現象。本文利用基於視覺的停車格偵測系統，用於即時處理和識別車格線，以提供車輛和格線之間的相對空間資訊。使用基於視覺的算法不需依賴周遭參考障礙物。我們還將視覺資訊與其他感測資訊整合在一起，以改善性能，分析環境和車輛狀態後，制定適當的自動停車規劃。然後，處理器控制車輛的致動器，使自動駕駛車輛能完成垂直，平行和斜向車格的停車任務。因此，本文解決了在沒有參考障礙的情況下在車格邊線區域停車的問題。

作者:許哲菡、周毅安、陳柏瑞、黃明寶從邊緣運算到物理 AI：協作機器人於智慧組裝之具身智能技術與產線實務應用

隨著人工智慧 (AI) 技術快速發展，智慧製造正由傳統固定式自動化，逐步邁向具感知與自主決策
能力之物理 AI 系統。本文以 AI 智能風扇模組自動組裝產線為案例，探討協作型機器人結合 AI 視覺辨識、
邊緣運算與閉迴路控制之智慧組裝應用。系統採雙視覺相機架構，整合 YOLO 深度學習辨識模型與比例
控制器 (P Controller) 視覺伺服控制技術，以提升組裝精度與作業穩定性。實際量產測試結果顯示，本系
統可穩定維持高組裝成功率，並將原需分鐘等級之人工作業縮短至百秒內完成，整體效率大幅提升。研
究結果顯示，結合 AI 視覺與協作機器人之物理 AI 技術，具高度實務可行性，可有效提升產線柔性與智
慧製造效率。

作者:黃仲宏全球機器視覺市場展望

目前全球機器視覺的發展主要由人工智慧、深度學習與先進成像技術驅動，機器視覺可用於校準、測量、製造業品質檢測、機器維護，它是工業自動化的重要系統之一。在全球製造業智慧化、數位化浪潮的驅動下，機器視覺已是工業之眼，憑藉其在檢測、定位、測量、識別等領域的應用，早已是智慧製造的關鍵技術。隨著國際技術競合和供應鏈安全風險的因素，加速實現機器視覺的國產自主化技術，不僅是產業高品質發展的需求，更是保護國家製造業安全發展的需求。儘管國產工業視覺產品憑藉在地化服務能力、客製化需求的適配，已在電子、機械、化工等場景實現國產化替代，並逐步向半導體、精密光學等領域拓展，不過在高階應用的場景中仍面臨硬體依賴進口、複雜場景下穩定性和可靠度的挑戰。

作者:李修明、黃雅婷、鄭致潔智慧工廠的節能減碳論述

針對智慧工廠，在節能減碳議題上的概括性論述。包括世界各國相關節能減碳法規與政策、製造業在節能減碳的可行方案，以及智慧工廠在節能減碳上的可行技術及方法，並解析可行的商業模式。

作者:解明潔自動化AI視覺檢測技術

隨著人工智慧（Artificial Intelligence, AI）與深度學習（Deep Learning）的發展推動視覺檢測從傳統依賴規則的方式，轉型為數據驅動的智能化系統。傳統檢測在光照穩定時具有效率，但對環境變化敏感，易誤判與漏檢。AI 深度學習透過大量標註數據自動提取多層特徵，能適應複雜生產環境，於分類、檢測與分割等任務展現高精度與穩定性。本文介紹 2D 與 3D 視覺技術及其在缺陷檢測、尺寸量測、品質分級的應用，強調其在光照變化容忍度、複雜特徵辨識、即時檢測及自適應優化的優勢[1] [2]。特別是在金屬加工產線，AI 視覺能處理金屬表面反光與隨機堆疊問題，結合工件定位與 3D 視覺辨識，輔助機械手臂完成自動化上、下料，有效提升精度與效率。

作者:陳展揚、林昱廷、林文杰視覺慣性輪速里程計

結合各種感測器的里程計算器，是自駕車必備的基礎元件。在各類里程計中，以相機與慣性測量單元（Inertial Measurement Unit, IMU）組成的視覺慣性里程計最常被使用，因其在感測器的尺寸與價格上具有優勢。然而，視覺慣性里程計仍有所限制，例如在車輛等速行駛下，尺度將變得不可觀測。因此，有些方法將輪速編碼器和視覺慣性里程計做結合來達到更準確和強健的表現。本文將介紹我們基於開源視覺慣性里程計架構所開發的視覺慣性輪速里程計。

作者:許勝傑、黎尚昆、洪國峰視覺導引路徑生成應用於機器人超音波切割單元

作者:潘韋龍、黎尚昆、蔡承翰生成式視覺模組導引機器人智慧研磨技術

中大型鑄件如鐵路連結器之澆口去除、研磨與除鏽長期仰賴人工，品質受疲勞與經驗影響，潛藏
安全風險。本文整合 3D 視覺、AI 瑕疵辨識、自動換刀主軸與浮動研磨頭，提出適用於少量多樣鑄件之
智慧系統。系統採「感測 → 決策 → 執行 → 回授」架構，即便無 CAD 資訊亦能由點雲自動辨識待修區
並規劃路徑，加工後再經 AI 視覺檢出剩餘瑕疵並補修。實證顯示，1 m × 1 m 區域於 40 秒內完成掃描；
瑕疵辨識率達 91%；澆口由 5–20 mm 精修至 0.5 mm；導入後產能由每日 2 件提升至 3 件、人力減半，並
建立品質追溯機制。

作者:唐仕超、陳展揚、林文杰視覺慣性里程計

隨著自駕車及無人機等應用對準確定位的需求，各種不同感測器的里程計不斷地被開發。由於近幾年來相機與慣性測量單元因為價格便宜且輕便而普及，視覺慣性里程計成為一個非常熱門的選擇。本文將介紹視覺慣性里程計的概念、算法分類、以及目前熱門開源算法。

作者:Bolivar Enrique Solarte Pardo無地圖導航：以局部觀測實現不需顯式全域地圖之機器人導航

本文提出「無地圖導航」 (Map-free Navigation)，作為一種新穎的機器人導航方法，旨在使機器人
於推論階段無需依賴預先建立的全域幾何地圖或語意地圖即可執行導航任務。不同於傳統方法通常需要事
先建構並存取全域地圖，本研究將導航問題分解為兩個互補的推理與控制系統。第一個系統為高階場景
條件式推理 (High-Level Scene-Conditioned Reasoning)，其根據機器人的當前觀測與任務情境，推估機器人
可能所在的位置，並解析目標相對於機器人目前位置的空間關係。第二個系統為低階推理模組 (Low-level
Reasoning Module)，其根據局部感測量測與相對目標，產生機器人執行導航所需的控制指令。高階推理系
統採用經微調的大型視覺語言模型 (Large Vision-Language Model, LVLM) 實作。該模型被訓練為在給定輸
入觀測時估計最可能的機器人位置，並在給定輸入情境提示時推估相對目標。透過此設計，本文將場景
理解、位置推理與目標解析整合於同一高階推理架構中，以支援不依賴明確全域地圖的導航決策。針對
低階控制，本研究評估兩種局部導航實作方式：(1) 基於 PPO 的策略[11]，其根據局部 RGB-D 觀測與相
對目標預測速度控制指令；以及 (2) 基於 Nav2 的局部導航模組[12]，其使用局部量測進行短視距導航與
障礙物避讓。實驗結果顯示，在工研院 22 館的真實場景中，無地圖導航可達到約 86.6% 的 Recall@ 0.5m，
並在推論階段避免存取明確的全域幾何地圖或語意地圖。

歷史雜誌