經濟日報 App
  • 會員中心
  • 訂閱管理
  • 常見問題
  • 登出

創新平台/AI 音頻檢測 辨識良率利器

人工智慧(AI)示意圖。 (聯合報系資料照片)
人工智慧(AI)示意圖。 (聯合報系資料照片)

本文共855字

經濟日報 李珣瑛

隨著AI人工智慧技術的迅速發展,工廠智慧化應用正經歷一場前所未有的革新浪潮。在這場潮流中,工研院憑藉著最新研發的「AI音頻非破壞式檢測技術」,為金屬製品檢測注入了新的活力,實現聽音即能辨識工件良率的嶄新里程碑。

這項技術利用人工智慧演算法,開發出數位化、自動化、作業標準化的金屬製品內部缺陷非破壞檢測技術,不僅能夠精準檢測金屬製品的內部缺陷,提高檢測準確率,更實現了以聲音訊號特徵的自動辨識與良品/不良品分類。

相較以往的人工辨識,檢測準確率提升約13%,同時節省50%的時間和人力成本。

回顧研發過程,工研院機械與機電系統研究所工程師楊凱智表示,聲音是非常敏感的能量,而在工廠環境中,背景噪音的存在對於聲音的檢測工作帶來額外的挑戰。

為了克服這一困難,他們不得不在算法中引入去除背景噪音的功能,甚至需要根據不同的工件設計標準化的敲擊力道,才能準確地進行檢測。

「有些工件並不像螺絲一樣,整個都是實心,它有可能像轉子上面是實心、下面外圍有一圈中空,此時,就要考量到撞針跟工件的距離」楊凱智說。

對於處理這種聲音訊號的算法,楊凱智指出,由於過往大多是採用振動訊號,而此次採用聲音訊號的處理方式又有所不同。

楊凱智舉例,有些背景雜音甚至是耳朵無法聽見,也因此在研發過程中,花了大量時間研究如何處理背景雜訊,並不斷優化算法以提高檢測的準確性,反覆去做才克服困難。

工研院機械與機電系統研究所經理吳鴻材補充,利用AI技術進行檢測時,必須給AI一個準確的答案來訓練模型,但為了取得這個答案,傳統上可能需要對零件進行破壞性的檢測,這無疑是一個耗時、耗成本的過程。

為了解決這個問題,他們採用了分群的方法,從OK和NG品項中,挑出具代表性的範本,大幅降低AI模型訓練成本達70%。

目前,這項技術已經導入本土最大粉末冶金廠旭宏金屬的電動車煞車零組件檢測上,成功將檢測準確率由85.12%提升至98.44%,並因此減少了後續加工以及產品報廢損失,使得年減碳量達到約433噸二氧化碳當量(CO2e)以上,創造產值超過新台幣5,000萬元的經濟效益。

※ 歡迎用「轉貼」或「分享」的方式轉傳文章連結;未經授權,請勿複製轉貼文章內容

延伸閱讀

上一篇
行銷策略/擴展體驗 企劃加分
下一篇
行銷策略/做感覺…黏住消費者

相關

熱門

看更多

看更多

留言

完成

成功收藏,前往會員中心查看!