AI助精準檢測金屬零件 降成本碳排

「AI音频非破坏式检测技术」让检测变得更加精准，准确率提升到98%，有助提升产品的安全性和品质。

【撰文╱赵心宁】

AI导入百工百业，为产业展开新局面。过去，金属加工制造业检测金属裂缝多依赖人耳，容易受限于人的经验与主观判断。工研院研发的「AI音频非破坏式检测技术」，有了AI加持，不仅金属等制造业，甚至是预判瓜果的好坏，都可以更精准、确实、简便。

想像这样的场景，你走进市场，在水果摊位看中了一颗饱满浑圆的西瓜，你轻轻拍打几下，感受声音的回响，判断西瓜的甜度和多汁度。这种利用声音来辨别内在品质的方式，不仅在生活中常见，也被应用于高科技领域。

「检查的动作非常重要，电动车的刹车金属零件内部如果有微小裂缝，可能酿成重大危机，后果不堪设想。」旭宏金属股份有限公司副总经理连家毅说。旭宏金属是台湾知名粉末冶金制造商，成立30几年来，为汽车、机械和电子产业提供高品质零件，成功打入特斯拉（Tesla）的供应链。连家毅说，过去，检测这些「内伤」必须依赖技术人员用耳朵聆听敲击声音，如今在工研院的协助下，透过「AI音频非破坏式检测技术」，可以更精确、客观检测金属零件瑕疵。

听出金属的「内伤」

「我们的系统就像顺风耳，能听出金属内部的秘密，这些声音讯号经AI处理后，可以大大提高检测的准确度，」工研院机械与机电系统研究所组长王俊杰表示，这项技术的原理其实很简单，是利用AI来分析金属在敲击时产生的声波。这就像用耳朵听西瓜的声音来判断品质一样，AI可以从声波中识别出金属内部是否有裂缝或瑕疵。

过去，金属裂缝检测通常依赖人耳，但容易受限于人的经验与主观判断。现在有了AI的帮助，检测变得更加精准，准确率从85%提升到98%，这对于需要高精度的产业，尤其是像电动车刹车零件等，对安全性要求极高的领域来说，至关重要。

「AI音频非破坏式检测技术」的另一大优势在于，不仅提高检测准确率，还能减少工厂的报废率。以往，为了避免出货时混入不良品而引发客诉和退货，工厂常常不得不采用过于严格的检测标准。技术人员若发现声音有微小差异，便只能选择整批报废，这导致许多良品被错误淘汰，造成资源浪费，并对环境造成压力。如今，在AI技术的帮助下，多数不良品能被准确检测出，误杀良品的机率和报废量自然随之下降。连家毅提到「过去，如果烧结制程出现问题，我们就必须忍痛丢掉整批金属，非常浪费。现在有了AI技术协助，报废量少了、还降低了碳排，每年可减少约433吨二氧化碳当量。」

AI助力精准检测、减少浪费

然而，这项技术的研发过程并非一帆风顺，为了搜集足够的样本数据，工研院与旭宏金属团队可说是伤透脑筋。因为旭宏金属的产品质量高、瑕疵产品极少，要在不刻意浪费的前提下、搜集足够多的不良品样本来训练AI模型，可以说是大海捞针、相当不容易。连家毅也表示「我们的产品良率非常高，几乎每个金属制品都是『优等生』，不良品数量极少，让我们的检测过程变得极具挑战性。」

为了克服这个困难，工研院采用生成式AI技术，透过模拟瑕疵样本来训练模型，缩短原本需要大量实际样本的时间。这也让检测的准确度进一步提高，并且迅速开发出能应对高精度检测需求的技术，短短不到1年的时间，就完成系统的部署与应用。

这一技术突破不仅使生产流程更加自动化、标准化，还为旭宏金属带来实质性的收益。此外，该技术也提升产品良率，减少后续加工与报废损失，显著降低生产成本。连家毅透露说，旭宏金属实现数位转型后，创造超过5,000万元的经济效益。

利用AI分析金属在敲击时产生的声波，识别金属内部是否有裂缝或瑕疵。

精准与效率并重的产业未来

旭宏金属的成功，预告着AI音频非破坏式检测技术的潜力无限，除了检测金属零件，这项技术还可广泛应用于其他领域，包括齿轮、轴承等机械零件，甚至可以应用在农业，例如检测水果的品质，判断水果是否成熟、内部是否有空洞。王俊杰表示，「可以用听觉辨别的东西，基本上都能检测，未来应用范围相当广泛。」

对台湾的金属制造业来说，AI音频非破坏式检测技术的导入，是数位转型的重要一步。随着工业4.0的推进，AI将在更多产业中发挥作用，像是预测潜在问题，帮助企业于设备、制程出现问题前，就采取预防措施或进行汰换，降低停机损失等，可以说是推动制造业升级、提升竞争力的关键力量。

【科技哪里趣X科技报报】EP02 特斯拉刹车零件守护者！AI听力博士找「内伤」：https://itriitri.psee.ly/AIEP2