2021-10-No2-扣件技術新訊

# 技術主題：應用快速區域卷積神經網路(faster R-CNN)進行扣件自動辨識

余征諴 / 國立高雄科技大學 鍛造輥軋工程研究中心

機械扣件廣泛應用於汽車、汽輪機發電及工業等五金機械零部件的製造，尤其在汽車安裝裝配線上，更是利用大量的機器手臂，將不同的扣件(如螺絲與螺栓)安裝在不同的位置上。

結合物聯網(IoT)、機器視覺技術(computer vision)與深度學習技術，建立人工智慧物聯網(AIoT)，以物聯網傳輸圖像，透過機器視覺技術進行檢測、識別和定位圖像，再以深度學習技術訓練辨識系統，提高圖像辨識準確度。

Karthikeyan 等人[1]，利用快速區域卷積神經網路(faster region based convolutional neural networks，faster R-CNN)建立扣件自動辨識系統，快速區域卷積神經網路使用區域提議網路 (region proposed network，RPN) 訓練模型，並且在感興趣區域的幫助下，螺絲與螺釘等物件的辨識準確率達到95%，此系統將可協助汽車裝配線上的機器手臂快速辨識扣件並準確地安裝到正確的位置上。

#資料來源：

[1] Karthikeyan, M., & Subashini, T. S. (2021). Automated object detection of mechanical fasteners using faster region based convolutional neural networks. International Journal of Electrical & Computer Engineering (2088-8708), 11(6). http://ijece.iaescore.com/index.php/IJECE/article/view/24265

[2] 全文：台灣扣件產業服務雲  扣件技術新訊  Vol. 202110W2, https://13.76.215.88/tfsc/knowledge/BLP_a39d6da7-e776-42f5-a97e-c75d8be0b193