人工智慧結合雙電磁超聲波探頭檢測螺絲基材之缺陷

Abstract

各式各樣的螺絲在生活周遭隨處可見，使用需求量非常大，但在生產螺絲的過程中，可發現有些螺絲有強度不足的現象發生，因為為待加工的螺絲基材本身就含有缺陷在裡面。因此，如何有效率地檢測螺絲基材中的缺陷，且避免有缺陷的材料加工成螺絲，對於螺絲加工廠都是一個重要的問題。而最普遍的解決方式為非破壞檢測，透過感測器激發出彈性波，進行波速的測量及試體缺陷的檢測，彈性波會在試體結構中傳遞，並再以感測器接收訊號，藉由此方法來判斷波速及缺陷訊號。 深度學習為人工智慧的分支，近年來廣泛的被運用在各領域，其中卷積類神經網路對於大量資料的特徵擷取有非常不錯的效果，在各種圖片及音訊的辨識都有優秀的表現，利用此人工智慧技術結合電磁超聲波檢測系統，探討類神經網路模型的運作模式，並設計出完善的資料前處理方法及模型最佳結構。 本論文所設計最佳的卷積類神經網路模型進行判斷螺絲基材缺陷的實驗，檢測螺絲基材直徑3.5 mm、5 mm及7 mm的缺陷，準確率分別為98.69%、98.71%及96.70%，同時，因為資料前處理所擷取的視窗範圍，可以確保輸入的訊號不會受到其他邊界回波的影響，模型因此可以得到較好的準確率，在實際應用上，本研究方法也非常貼近實際情況，訊號差別只在於後段邊界反射訊號的有無。 本研究架設了完整的實驗量測架構，藉由蒐集大量實驗訊號，設計了較適合模型的資料前處理方法以及最佳的模型結構，使檢測模型可以精準且快速的判別訊號，解決專業人員因為訊號的訊噪比太低難以判斷的困境，除此之外，利用兩種模型進行比較及調整，了解類神經網路模型的運作方式，搭配波動力學與相關知識，讓模型有較好的學習能力達到較高的準確率，讓此檢測方法可以廣泛地應用在螺絲基材的非破壞檢測，提升加工端的生產效率。