金屬製品外觀品質AI鑑別與回饋模組 2025/01/20

傳統視覺檢測技術容易受金屬表面反光及光源不均勻影響，導致誤判問題，特別是在檢測外形不規則的3D金屬零件時，檢測率偏低，效果不穩定且應用場合受限，難以達成智慧檢測的目標。利用AI檢測克服金屬表面反光及光源不均勻，螺旋切齒陰影相互干擾影響檢測之問題。

技術優勢及特色

AI深度學習影像辨識

• 本模組使用AI深度學習進行影像訓練，可學習複雜、抽象瑕疵特徵，如：隨機紋路、螺旋切齒，適應於各環境和產線。
• 檢測產品更廣泛，如：食品檢測、紡織檢測。

動態最適光源佈局取像

• 結合影像源波轉換與特徵模糊度分析做光影偵測，可克服物體反光及動態取像光源不均之問題。
• 依光影區塊偵測結果動態調整最適光源佈局及檢測視角，可有效降低多視角取像時之反光影響。

3D螺旋齒輪檢測

• 3D螺旋齒輪專用檢測模型，可檢出瑕疵率達98%（業界平均80%）。
• 突破技術瓶頸，可自動檢測出難以辨識之瑕疵，如：齒面黑皮、齒頂撞傷與崩齒瑕疵，可檢測瑕疵尺寸 ≥ 0.1 mm。

產業效益及商機

• 可應用產業：
  金屬製品加工產業（如：水五金、齒輪製造、粉末冶金等）。
• 應用實例：
  本技術整合於齒輪專用檢測設備上，已成功導入本土公司，該廠商將此設備應用至電動車齒輪生產，降低50%檢測時間，提升每日產能3倍、降低每年品管成本約50%。