機械工業網

:::

歷史雜誌

依專輯名稱關鍵字搜尋或依年份搜尋，年份輸入範例202406

作者:莊柏逸、鄭憲君、沈意傑、林順傑超效率佈署 AI-BOT 流程自動化機器人技術與製造應用實例

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

作者:黃兆平、Andres David Gaona Roman、李宜玲、李桂銘影像辨識系統結合EtherCAT 全數位運動控制平台應用於資源回收

作者:胡竹生機器人技術與應用的現況和展望

作者:黃立武、陳響亮、李宜靜、黃兆平、董塘筠、陳品修應用視覺化程式語言與人工智慧實現創新人機互動介面

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

作者:羅倆凡、張耿豪、呂寧遠、林毓庭、李韋辰、蔡雅惠生成對抗網路於工業影像之單一瑕疵分類

在工業製造過程中，瑕疵檢測必是不可或缺的一環。而現今檢測流程中也仍存在各式懸而未決的問題，尤其在製程技術進步的當代，缺陷樣本的稀缺性會造成標註及訓練定義上的困難。本文將介紹一種新型的智慧檢測技術，藉由一些神經網路的特殊性質，解決了樣本缺乏而難以檢測的困境。

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:張耿豪、李韋辰、林毓庭、呂寧遠、鍾幸芸、蔡雅惠｜最優良文章｜以人工智慧為基礎之金屬加工製品檢測應用

作者:洪哲倫智慧製造的關鍵角色：工業大數據分析

作者:蔡孟勳、莊健平、麥朝創應用AI 影像技術於刀具紋路之分類

作者:田謹維工廠智慧化下的資安