近年來，智慧製造對於精密工具機的加工品質要求日益嚴苛，但是，金屬工件表面因具備高反光特性且幾何形狀複雜，傳統人工目視檢驗容易產生標準不一的問題。因此，許多研究開始使用了深度學習進行技術開發。其中，最早也最常見的微卷積神經網路(Convolutional Neural Networks, CNN)， CNN的發展起源於 Kunihiko 等人[1]提出的神經感知機(Neocognitron)，該模型透過參考人類視覺神經皮層的研究，奠定了影像分層處理的理論基石。隨後在2012年，由Alom等人[2]提出的AlexNet於影像辨識競賽ILSVRC中獲得了突出的正確率，使卷積型神經網路正式開始被大量應用於影像辨識。為了進一步提升網路效能並解決隨著深度增加而產生的深層網路退化問題，He等人[3]提出了ResNet模型，其特有的殘差結構使網路深度可達到152層，並於2015年在ILSVRC獲得冠軍，至今仍是學界與業界頻繁採用的卷積架構。
在目標偵測領域(Object Detection)，發展脈絡則由Girshick, 等人[4]提出的R-CNN(Region-based Convolutional Neural Network)展開，該模型將照片切割成不同大小的候選區域(Proposal)後以CNN進行特徵擷取，再由支持向量機(SVM)進行分類與迴歸位置輸出。然而，由於大量候選區域需經過繁重的神經網路運算，導致其運算時間過長，為了解決此問題，Ren等人[5]後續提出了Fast R-CNN模型，將類別辨識與框選位置優化改為共用同一個神經網路，並透過RoI pooling layer降低輸入影像的大小以提升辨識速度。其後，Ren等人[6]在Faster R-CNN模型中進一步提出區域候選網路(Region Proposal Network, RPN)，RPN首先於骨幹網路產生的特徵圖上擷取可能區域，並判別其是否為前景(Foreground)與輸出位置，透過篩選機制大幅減少候選區域數量，從而顯著提升整體效能。儘管Faster R-CNN能有效偵測目標，但僅能以矩形框選位置，無法實現目標與背景的精確分割。對此，He等人[7]提出的Mask R-CNN模型在Faster R-CNN的基礎上，結合了Long等人[8]所提出的全卷積網路(FCN)來輸出各像素點屬於各類別之機率的熱點圖(Heat map)。透過熱點圖產生的不規則形狀遮罩(Mask)，Mask R-CNN 成功地將目標從背景中精準分割出來。上述模型的成熟促使相關文獻將其應用於AI瑕疵檢測的研究中。在深度學習應用方面，Han等人[9]與Xu等人[10]分別應用Faster R-CNN對汽車零件缺陷與鐵軌瑕疵進行檢測。除此之外，亦有研究透過傳統影像處理技術來凸顯瑕疵特徵，Lin等人[11] 整合二值化、灰度共生矩陣與小波轉換進行特徵擷取。這些多元的方法論為工業瑕疵檢測提供了深厚的技術支持與應用基礎。這些多元的方法論為工業瑕疵檢測提供了深厚的技術支持與應用基礎。
從上所述積神經網路(CNN)從根本上改變了電腦視覺領域，成為影像相關任務中特徵提取的基石。透過自動擷取階層式的空間特徵，在影像分類中展現了卓越的性能。然而，當應用於需要同時進行目標定位與分類的複雜工業場景時，傳統基於CNN的分類器在先天上存在運算延遲高、且無法在單次前向傳播中有效處理多個目標的局限。為了滿足實時性的限制，目標偵測方法演進為雙階段與單階段兩種架構。雖然像Faster R-CNN這類的雙階段偵測器透過區域候選網路提供了高定位精度，但其多階段的管線設計限制了推論速度。相反地，J. Redmon等人[12]提出的YOLO(You Only Look Once)系列作為開創性的單階段範式崛起，將目標偵測視為單一的迴歸問題，直接將像素映射到邊界框座標與類別機率。這種整體性的方法大幅提升了運算效率，使其非常適合即時監控與自動化應用。持續的迭代優化最終催生了YOLO 11[13], [14]，這標誌著在平衡速度與精度方面的重要里程碑。與前代模型相比，YOLO 11引入了先進的多尺度特徵融合模組(如優化的C3k2/C2f 結構)與增強的注意力機制。這些架構上的優化在顯著降低運算負擔的同時，大幅提升了對多尺度與低對比度特徵的偵測靈敏度。因此，儘管基礎CNN為強健的特徵表示奠定了基礎，但像YOLO 11這樣的現代架構，成功縮短了理論深度學習與精密工程中實際高吞吐量部署之間的差距。
因此，本計畫在執行紋路辨識時將會使用最新且具備極高運算效率的YOLOv11-segmentation進行技術開發。除此之外，本研究會將模型輸入的影像解析度提升至1024×1024，確保極細長過切紋與高頻振紋等微觀特徵不因降採樣而失真；其次，結合雙邊濾波降噪與限制對比度自適應直方圖均衡化(CLAHE)，有效克服工件於高角度旋轉時產生的極端逆光與特徵變異。此外，也導入負樣本背景學習並設計分層隨機切分策略，消除金屬正常刀紋的標籤衝突與資料分佈偏移問題。實驗結果顯示，在真實金屬加工瑕疵(過切、換向紋與振紋)的測試集上展現出優異的泛化能力與像素級分割精度，其Box mAP50達0.934，Mask mAP50達0.918。在推論效率方面，單張影像之整體檢測耗時(含前處理與後處理)被壓縮至49.6 ms(推論速度約達20 FPS)，徹底打破過往兩階段模型的延遲限制，大幅提升了加工瑕疵檢測之精準度與即時性。
▌研究方法與步驟
基於上述研究背景，本研究旨在延續並升級原有的AI加工缺陷檢測系統，將核心影像辨識架構由原先的Mask R-CNN替換為目前最新且具備極高運算效率的YOLOv11-segmentation(實例分割)模型。YOLO系列模型以其優異的即時檢測能力著稱，而最新版本的YOLOv11-segmentation不僅進一步優化了特徵擷取網路與損失函數，更能在單階段的推論過程中同時完成高精度的物件偵測與像素級瑕疵遮罩生成。本研究的具體方法包含以下3點：
1.導入新一代YOLOv11-segmentation架構：建構適用於金屬加工工件表面瑕疵(如：過切紋、象限紋、振紋等)的YOLOv11實例分割模型。藉由其輕量化與單階段特性，大幅降低模型推理時間，提升自動化檢測系統的即時性。
2.優化小樣本瑕疵資料集與訓練流程：結合加工領域知識進行資料標註與前處理，針對YOLOv11-segmentation模型的特性調整超參數與資料擴增策略，以確保在有限的真實工件影像樣本下，模型仍能保持優異的泛化能力與分割精度。
3.模型效能評估與指標分析：針對訓練完成的YOLOv11-segmentation模型進行全面的客觀評估。重點評估指標將涵蓋邊界框與遮罩的平均精度均值(Box mAP與Mask mAP)、每秒幀數(FPS，即推論速度)等，以驗證新導入之單階段模型架構能在精準捕捉微觀加工瑕疵的前提下，充分展現出卓越的運算效率與即時檢測能力。
▌瑕疵紋路介紹
主要檢測三種不同類型的瑕疵：過切、振紋和象限紋。如前所述，瑕疵需要特定的角度才能在影像中可見。因此，同一工件上可見的瑕疵會因拍攝角度而有顯著差異。這意味著單張影像可能僅包含有限的目標，特別是對於瑕疵較少的工件。為了實施這種人工檢測過程，需要關於瑕疵成因的領域知識。接下來，將解釋每種瑕疵的成因以及基於成因的相應潛在區域，如表1所示。
●過切：導致過切的因素包含CAM公差、加速度設定、前饋參數與軸參數匹配。不當的參數可能導致在切削表面相鄰的角落，不同刀具路徑的輪廓不一致。因此，過切的檢測只需要在切削表面相鄰的位置進行，如圖1(a)所示。
●振紋：主要由切削過程中的強迫振動或顫振引起。當切削力過大、刀具剛性不足或主軸轉速與工件產生共振時，刀具便會在工件表面留下高頻率的波浪狀加工痕跡。因此，振紋的檢測只需要在加減速後大面積平面區域進行，如圖1(b)所示。
●限紋：象限圖案出現在伺服軸方向反轉處。反轉可能會因為螺桿的背隙、摩擦的非線性效應或螺桿的彈性變形而產生誤差。結果是，曲面頂部會存在一個階梯。因此，象限紋的檢測只需要在具有軸向反轉的曲面上進行，如圖1(c)所示。
▌模型架構
本研究捨棄了傳統耗時的兩階段(Two-stage)模型，改為採用最新一代的單階段實例分割模型YOLOv11-segmentation。YOLOv11延續了全卷積神經網路的優勢，進一步優化了特徵萃取網路與多尺度特徵融合，並在預測頭同時輸出物件邊界框(Bounding Box)與像素級遮罩(Mask)。在模型初始化階段，本研究載入基於COCO Dataset訓練過的預訓練權重，透過遷移學習的方式加速模型對基礎幾何邊界與紋理特徵的理解，隨後在自建的工件瑕疵資料集上進行Fine-tuning，以尋找適應評測工件紋路特徵的最佳權重。模型架構如圖2所示。
...更多內容，請見《機械新刊》雜誌
