走在汽車革命的路上論文書籍站
國立中正大學 資訊工程研究所 張榮貴所指導 彭瑞浩的 基於深度學習之視覺補正 （2020），提出雷射雕刻去除關鍵因素是什麼，來自於位置補正、機器學習、電腦視覺、影像處理、U net。
而第二篇論文臺北城市科技大學 機電整合研究所 鄭遠東所指導 呂宗霖的 應用變異數分析法研究表面紋理加工之最佳雷射參數 （2020），提出因為有 Nd:YAG、雷射雕刻、最佳化、深寬比值、變異數分析的重點而找出了 雷射雕刻去除的解答。
基於深度學習之視覺補正
為了解決雷射雕刻去除 的問題，作者彭瑞浩 這樣論述：
隨著科技的發展，許多傳統化工業也邁向自動化的腳步，然而實行自動化工業需要許多要素，像是負責運送貨物的自走車或是夾取物件的機械手臂等工具來輔助。雷射雕刻機在這幾年在各種工業及工藝方面受到許多業主或是創作者的支持，但其進行商品量產化時為了將每一個物品能接近相同，商標或是文字的位置誤差並不容許過多的誤差，而常見的解決方式就是藉由輔助工具讓物品能處在正確的位置，並進行雷射雕刻。為了減少輔助工具的時間成本，本論文主要任務為研究機械手臂與其配合之雷射雕刻機的位置補正，我們將利用IP camera擷取影像，並用影像處理將誤差進行補正。但是在自動化流程中機械手臂進行物件夾取時，其夾爪會影響圖像進行影像處理的
判斷，所以本論文的次要任務便是將影像中機械手臂之夾爪去除，我們利用U net將夾爪的圖片與其對應的夾爪遮罩進行訓練，之後利用預訓練的模型生成遮罩進而將影像中的夾爪進行去除。最後計算其與標準位置的偏差角度及平移誤差，將其回傳給雷雕機，完成正確位置的雕刻。
應用變異數分析法研究表面紋理加工之最佳雷射參數
為了解決雷射雕刻去除 的問題，作者呂宗霖 這樣論述：
本研究利用高效能物理雷射技術，對不鏽鋼(304)材料表面進行雷射加工優化處理，從雷射功率、雷射速度、加工遍數等不同條件下進行探討，藉由變異數分析法(ANOVA)，對雷射加工材料深度、材料層去除厚度、材料去除率等不同變異因數推導出雷射加工最佳化參數。從雷射功率、速度、加工遍數及矩形樣式加工路徑處理不鏽鋼(304)材料試片實驗結果，再經利用變異數分析發現，不鏽鋼(304)試片加工中，雷射功率調整20W時，得其加工深度由2.2804mm上升到5.8911 mm，整體材料層去除厚度上升2.5倍，在運用Nd:YAG (1064 μm)處理之雷射功率分別調整10、20、30 W，以平面矩形路徑進行不鏽鋼
(304)材料表面處理，其加工深度分別為2.2804mm、5.8911mm、7.2684mm，經變異數分析後整體平均異變數分別是0.364903、1.895357、1.268914，從由實驗結果得知，對於雷射加工處理後材料表面會形成很高的深寬比值(large height-to-width aspect ratio)，導致雷射反射率下降，會讓雷射光子產生折射及反射現象增加了光停留時間，造成加工元件材料表面粗糙度提高，也會產生不規則湯口，因此本研究發現雷射強度、雷射速度、雷射加工遍數，會對不同加工材料造成非常大的影響。本研究實驗結果經ANOVA分析高精度不鏽鋼材料加工雷射加工參數設定在功率30W
及速度75mm/s為最佳的；除上述特定參數外，對於加工材料特性、加工元件表面粗糙度及元件拋光製程的改善因素，需要一併考量。經實驗結果發現適當的加工參數組合，可對加工元件產生較高的寬深比，應用在加工元件表面粗糙度也能夠輕易調整，本研究所使用之方法雖然簡易，但對於精密加工元件成型精度非常高，後續對雷射產業技術的提昇及金屬材料的研究有非常大的助益。