作者:蔡孟勳、林祐生、簡嘉宏應用SAM與轉移學習的U-Net模型於刀具磨耗之研究
本文提出一套創新的刀具磨耗檢測系統，結合 U-Net 語義分割與 Segment Anything Model（SAM），可自動辨識刀具磨耗位置。傳統深度學習方法仰賴大量人工標註，耗時且費力。為此，本文利用 SAM 模型自動產生遮罩，並與預訓練模型輸出比對，選取重疊度（IoU）最高的遮罩作為偽標註，實現無需人工介入的資料擴充流程。檢測系統採用影像疊圖展開技術，將端銑刀轉為全景影像，透過 U-Net 精準分割刀刃區域，並應用轉移學習以提升模型對新樣式刀具的辨識能力。實驗結果顯示，該方法在新刀具上的mIoU提升超過 35%，同時保留原有刀具的辨識效果，證明其具備應用於智慧製造之潛力。