分類/型態：元件與模組

物主/業主：工研院

物品編號：無

發表日期：2020.06

本次介紹的產品是一個AI檢測模組，能夠用在非常複雜的螺旋切齒齒輪檢測上，它就是工研院所研發的「齒輪AI智慧檢測模組」。

圖一 : 工研院研發的「齒輪AI智慧檢測模組」

我們都知道，傳統上要檢測齒輪的加工良劣和瑕疵，絕大多數是仰賴人力，尤其是經驗老到的師傅。但隨著人力的凋零和工件加工的複雜度提升，檢測這些品項就需要透過自動化的方式來進行。所以在這個背景下，工研院就研發出了這個「齒輪AI智慧檢測模組」。

這個模組其實也發表了一陣子，並不算新，但是隨著電動車趨勢的全面來臨，齒輪自動化檢測的需求更加的迫切，因此我們也就來深入介紹一下這個產品。

首先，這個模組的基本架構共有兩大單元，第一個就是結合機器視覺與深度學習的AI+AOI的一個邊緣運算單元，也就是最主要具備AI影像處理與分析的部件；另一個，則是多視角的光源布局單元，它可以根據不同齒輪與外觀，來調整相機跟打光的角度，提升檢測的準確性。

除了現場的AI檢測邊緣運算之外，它也能外接到嵌入的工業電腦或雲端運算來做增強運算，提升檢測的速度，或者結合5G來做即時製程的回饋，變成更全面、也更大規模的產線製程檢測。

而這個檢測模組也有幾個基本的技術規格，包含採用剛剛說到的多視角光源布局取像架構、AI+AO智慧檢測運算技術。而它的主要檢測規格是直徑65到200 mm，可以支援雲端AI模型標註與訓練，最大的特色就是可以檢測撞傷、崩齒、黑皮等瑕疵。至於檢測的瑕疵尺寸範圍? 0.1 mm x 0.1mm（於瑕疵對比> 50），檢測速度則為? 30sec/顆，也支援多種型號切換功能和單雙層齒輪檢測。

這個模組系統最大的特色，就是它是台灣首創3D螺旋切齒齒輪檢測機，可檢測黑皮、撞傷與崩齒等瑕疵。那為什麼它可以做到這些功能，主要就是透過三大技術來達成。

圖二 : 齒輪AI檢測模組的架構圖

第一個，就是多視角仿生式光源佈局取像，它運用動態調變光源技術，根據不同的齒輪與外觀，去調整相機跟打光的角度，減少取圖時產生反光的問題，解決齒輪上黑皮、撞傷、瑕疵等不易發現的問題；第二個是採用AI影像處理技術，它能夠增強黑皮、撞傷、瑕疵等影像的特徵、降低雜訊影響，並透過空間域擷取局部解析特徵，以獲得大範圍特徵，搭配時頻域分析後之特徵強化影像，再進行複合域CNN架構，建立齒輪瑕疵檢測模型，相對降低運算量、縮短訓練時間。

第三個是製程可視化與適配最佳化，能將間隙值相近的齒輪先做分類，對不同公差值的零件進行最佳化匹配，提供組裝公差分析與最佳化適配建議，減少不合的狀況，縮短組配時間與工件加工成本。

而透過這些技術能夠達成什麼效果呢？根據工研院的實際導入成果，它能夠減少80%以上的人力來肉眼尋找瑕疵，同時也能提升25%的準確率。簡單來說，就是大幅的減少檢測人力，同時也一定程度的提升檢測的準確率。

至於它能用在哪些地方？目前很大的一個趨勢就是電動車的齒輪檢測，因為電動車對於齒輪的加工品質十分的注重，相對在檢測上的性能要求也就很高，因此這個AI檢測系統就非常適合電動車的齒輪供應商採用。而除了電動車之外，其實所有的複雜多層的齒輪產品也都適用，所以凡是有在製造先進齒輪產品的業者也可以可慮導入。

CTIMES 五項評比人文科技指標：★★★

名稱：工研院「齒輪AI智慧檢測模組」

評比：

1.創新指標：3

2.精進品質：3

3.環保意識：2

4.人文關懷：5

5.服務評價：2

編輯評語

超精密齒輪加工製造已是機械產業的顯學，不僅電動車有強大的需求，在節能減碳的趨勢之下，高效、多工、低噪音的特性也將會成為所有傳動應用的標配。因此，尋求自動化、智慧化的齒輪檢測方案就變成此一產業的剛性需求。而工研院所研發的AI齒輪檢測方案正好可以滿足此一趨勢，其從實際施作經驗所設計的檢測架構，以及導入機器學習的功能，能實際解決產業的痛點，剩下的就是如何將其方案更密切的與業者配合，早日迎來全面落地的一天。

觀看更多內容，請瀏覽網址：