改裝方案
黃燈
進階
工廠
金屬件外觀 AI 檢測站
在舊產線旁加一站相機與打光,用 AI 找刮傷、缺料、毛邊,不良品自動推出,不用改原機程式。
編輯部設計・最後更新 2026 年 11 月 5 日・CC BY 4.0
黃燈:需要現場機電人員一起做
這是概念性的參考設計,尚未在你的設備上驗證。動手前請依現場狀況評估,安全裝置一律維持原樣。 其中 DIN 導軌電源 24V 屬於紅燈項目,這部分要交給合格人員。
物料清單
約略預算 NT$36,800–209,100・施工約 6 週
預算只含硬體與軟體料件,不含施工、整合與人力。
適合誰
每天有人工目檢、良率問題主要來自外觀,而且工件形狀固定的產線。扣件、水五金、沖壓件最適合。先別拿「種類很多、一天換線好幾次」的產品開始。
系統怎麼運作
1.
工件經過時,光電感測器發出到位訊號。
2.
相機在同一個位置、同一個打光下拍照。
3.
邊緣運算模組用只學過良品的模型算出異常分數。
4.
超過門檻時,透過遠端 I/O 送出 24V,電磁閥推動氣缸把工件推出,同時亮燈。
5.
結果寫入紀錄,可以回頭查每一件的影像。
整個站獨立於原機之外:原機的 PLC 不用改,也不用接進它的安全迴路。
施工步驟
1.
先量需求:拿 50 件良品、50 件不良品,請檢驗員標出什麼算不良。這份標準比模型更重要。
2.
算相機規格:最小瑕疵至少要佔 3 到 5 個像素。視野寬度除以像素數,就是每像素代表幾公釐。
3.
做打光測試:金屬表面先試低角度環形光與同軸光,拍到瑕疵清楚浮現為止。用遮光罩擋掉環境光。
4.
搭相機架:用鋁擠型固定,遠離沖壓振動源。
5.
收資料:連續拍 300 張以上良品,涵蓋不同批次與班別。
6.
訓練模型:照〈用 Anomalib 訓練瑕疵檢測〉做,先離線測試。
7.
影子模式:先只記錄、不剔除,跑 1 到 2 週,和人工結果比對。
8.
接上剔除:電機人員接線,確認氣缸動作時不會碰到人與原機。
9.
交接:寫下重新訓練的時機,例如換料、換模、換光源。
驗收標準
•
漏檢率與誤殺率都用同一批「人工已判定」的工件計算,不用模型自己的訓練資料。
•
連續一週,漏檢率不高於現有人工。
•
剔除動作時序準確,節拍不受影響。
常見失敗
•
打光沒做好就急著換模型,準確度一直上不去。
•
只收同一天的良品,換批次就誤判。
•
門檻沒有跟現場一起定,結果誤殺太多,操作員就把它關掉。
•
控制箱夏天過熱,AI 模組降頻造成掉件。
安全與責任
•
這一站只做品質判斷,不是安全裝置。急停、護罩、光幕維持原樣。
•
氣缸有夾傷風險,要加護蓋,由現場機電人員確認行程。
•
24V 電源一次側屬市電,交給合格電氣人員。
•
檢測相機只對著工件,避免拍到員工。
廣告版位
想讓正在用 AI 的人看到你的產品?了解廣告合作
適用機器
實戰紀錄
真的做過的人留下的花費與結果
還沒有人回報,你可以成為第一位。