woo 115優缺點的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列包括價格和評價等資訊懶人包

電腦視覺技術應用於手工具組裝之零件瑕疵檢驗

為了解決woo 115優缺點的問題，作者鄭丞凱 這樣論述：

目錄摘要 IAbstract II目錄 IV圖目錄 VII表目錄 XII第一章 緒論 I1.1 棘輪扳手與零件介紹 21.2 棘輪扳手組裝流程 51.3 棘輪扳手組裝異常類型與瑕疵種類 71.4 棘輪扳手組裝之現行檢驗方式 181.5 研究動機與目的 191.6 論文架構 21第二章 文獻探討 222.1 自動化視覺檢測 222.2 組裝異常檢測 232.3 物件特徵比對 252.4 類神經網路模型 262.4.1 卷積神經網路(Convolutional Neural Network, CNN) 262.4.2 YOLOV4 (You O

nly Look Once)網路模型 272.4.3 基於區域的卷積神經網路(Region With CNN, R-CNN) 282.4.4 快速的基於區域的卷積神經網路(Fast R-CNN) 292.4.5 更快速的基於區域的卷積神經網路(Faster R-CNN) 302.4.6 基於遮罩的區域卷積神經網路(Mask R-CNN) 32第三章 研究方法相關原理 363.1 工件影像濾波 363.2 常見之物件偵測分類器 373.2.1 CNN網路模型 383.2.2 YOLO系列模型 393.2.3 R-CNN系列模型 40第四章 研究流程與技術應用 514.

1 工件影像拍攝 534.2 影像之ROI區域擷取 544.3 ROI影像之濾波處理 554.4 工件組裝異常之瑕疵種類特徵擷取 574.5 工件組裝異常類型之瑕疵種類的分類 604.5.1 物件候選區域選擇 614.5.2 CNN網路模式之特徵提取 624.5.3支援向量機的瑕疵分類 634.5.4 可疑瑕疵區域的邊界框回歸 644.5.5 瑕疵種類分類結果輸出 664.6 工件組裝異常類型之瑕疵種類的分類績效混淆矩陣 67第五章 實驗結果與分析 695.1 樣本影像說明 695.2 組裝異常之瑕疵檢測系統之發展 705.3 組裝異常類型之瑕疵種類分類績效指標

715.4 組裝異常之瑕疵檢測系統之R-CNN網路模型之參數設定 725.4.1 網路模型之學習率參數設定 745.4.2 網路模型之訓練批量參數設定 765.4.3 網路模型之優化器類型選擇 785.4.4 網路模型之訓練次數參數設定 805.4.5 網路模型避免過度擬合之判斷設定 825.5 組裝異常檢測之分類績效評估與比較 845.5.1 R-CNN系列模型比較 845.5.2 R-CNN系列模式與YOLOV4之檢測績效比較 895.6 敏感度分析 955.6.1 ROI區域大小對檢測效益之影響 965.6.2 影像亮度的變化對檢測績效之影響 975.6.3

工件擺放方式對檢測績效之影響 995.6.4 工件表面油漬量對檢驗績效之影響 1035.6.5 工件輸送帶速度對檢測績效之影響 1085.6.6 棘輪扳手單一分類器檢驗模型選擇 1135.6.7 同態濾波對檢測效益之影響 115第六章 結論與後續研究方向 1186.1 結論 1186.2 未來研究方向 119參考文獻 122表目錄表1 市售主要棘輪扳手之英制與公制規格 3表 2 1/2”36T棘輪扳手各組裝站之零件表 4表3 棘輪扳手組裝之各工作站的工作內容說明表 5表4 棘輪扳手組裝時可能產生的組裝異常類型說明彙整表 8表5 棘輪扳手組裝過程

可能的組裝異常類型與瑕疵種類彙整表 9表6 缺件組裝異常之瑕疵種類影像彙整表 14表7 錯置組裝異常之瑕疵種類影像彙整表 15表8 異物組裝異常之瑕疵種類影像彙整表 16表9 餘件組裝異常之瑕疵種類影像彙整表 17表10 取像限制說明表 21表11 本研究與物件偵測相關文獻比較表 35表12 本研究使用之網路模型比較表 48表13 本研究目前使用之遮罩與影像面積之比較表(單位:pixel) 55表14 灰階影像與濾波後影像之平均值及標準差比較表 57表15 以影像張數為基礎之棘輪扳手分類混淆矩陣示意表 68表16 棘輪扳手檢驗結果之混淆矩陣示意表

68表17 本研究組裝第一站之檢測樣本影像數量 73表18 本研究組裝第二站之檢測樣本影像數量 74表19 本研究組裝第三站之檢測樣本影像數量 74表20 採用不同學習率之檢測效益結果比較 75表21 採用不同訓練批量之檢測效益結果比較 77表22 本研究探討之三種優化演算法優缺點比較 79表23 採用不同網路模型優化器之檢測效益結果比較 79表24 採用不同網路模型訓練次數之檢測效益結果比較 81表25 R-CNN網路模型之預設值與較佳參數設定之比較表 84表26 第一站大樣本異常類型之瑕疵種類檢驗模型效益彙整表 86表27 第二站大樣本異常類型之瑕

疵種類檢驗模型效益彙整表 87表28 第三站大樣本異常類型之瑕疵種類檢驗模型效益彙整表 88表29 本研究組裝工作站之較佳網路模型效益彙整表 89表30 第一站較佳模型與YOLOV4之檢測效益比較表 90表31 第二站較佳模型與YOLOV4之檢測效益比較表 91表32 第三站較佳模型與YOLOV4之檢測效益比較表 92表33 第一站各網路模型之檢測時間彙整表(單位:秒) 93表34 第二站各網路模型之檢測時間彙整表(單位:秒) 93表35 第三站各網路模型之檢測時間彙整表(單位:秒) 93表36 採用不同遮罩大小之檢測效益結果比較 96表37 採用拍攝光

線強度之檢測效益結果比較 98表38 工件偏移角度之影像數量彙整表 101表39 棘輪扳手不同擺放角度之檢測效益比較表 101表40 ROI區域與油漬量之影像面積比較表(單位:pixel) 104表41 塗抹不同程度潤滑油之檢測效益比較表 106表42 靜態與動態拍攝之差異比較表 109表43 不同輸送帶速度之影像檢測效率 111表44 棘輪扳手動態視覺檢測系統之檢測效益比較表 112表45 棘輪扳手各站模型之正確分類率比較表 114表46 灰階影像與濾波後影像之影像像素比較表 116表47 第一站各模型有無經同態濾波處理之檢測效益彙整表 117圖目錄

圖1 市售棘輪扳手常見之產品銷售方式 I圖2 棘輪扳手的使用說明 2圖3 完成組裝之1/2” 36T棘輪扳手 3圖4 1/2”扭力頭寬度規格標示 3圖5 1/2”36T棘輪扳手之內部結構 3圖6 36T扭力頭實體圖(圓圈標示處為該零件之齒輪) 4圖7 葫蘆柄各組裝站之零件彙整 6圖8 棘輪扳手之組裝異常類型與瑕疵種類關係彙整圖 10圖9 第一站經組裝後各種可能的缺件組裝異常結果 11圖10 第二站經組裝後各種可能的缺件組裝異常結果 12圖11 第三站經組裝後各種可能的缺件組裝異常結果 13圖12 棘輪扳手檢驗實體圖 19圖13 同態濾波器的運算

流程 37圖14 CNN網路架構示意圖 38圖15 卷積方法示意圖 39圖16 池化運算示意圖 39圖17 YOLOV4網路架構示意圖 40圖18 R-CNN網路架構示意圖 41圖19 Fast R-CNN網路架構示意圖 43圖20 ROI pooling運算示意圖 44圖21 Faster R-CNN網路架構示意圖 45圖22 RPN運算示意圖 46圖23 Mask R-CNN網路架構示意 47圖24 研究方法流程圖 52圖25 本研究現階段使用之數量與零件 53圖26 本研究之硬體設備架設示意圖 53圖27 本研究前處理之影像平均值與

標準差 54圖28 本研究使用之五種遮罩大小 55圖29 使用同態濾波濾除拍攝時造成反光之像素變化 56圖30 灰階影像與濾波後影像之平均值及標準差曲線圖 57圖31 光源控制器數值下灰階影像與濾波後影像標準差比較表 57圖32 使用Matlab軟體內建之Image Labeler工具箱進行人工標...58圖33 完成標註之邊界框資訊 58圖34 棘輪扳手組裝製程中第一組裝站使用R-CNN網路模式之圖像標註流程圖 59圖35 第一站缺件檢驗之R-CNN網路架構的訓練程序 60圖36 R-CNN模型檢驗流程圖 61圖37 候選區域選擇示意圖 62圖38

特徵提取流程圖 63圖39 邊界框回歸原理示意圖 65圖40 邊界框回歸運算可能發生之失效結果 66圖41 瑕疵種類分類結果示意圖 67圖42 運用R-CNN網路模型之棘輪扳手檢驗辨識系統測試程序 67圖43 本研究之實驗架構圖 69圖44 本研究影像拍攝之設備圖 70圖45 本研究所開發之使用者介面 71圖46 不同學習率之檢出績效評估ROC曲線圖 75圖47 不同學習率之正確分類率折線圖 76圖48 不同訓練批量之檢出績效評估ROC曲線圖 77圖49 不同訓練批量之正確分類率折線圖 77圖50 不同網路模型優化器之檢出績效評估ROC曲線圖

80圖51 不同網路模型優化器之正確分類率折線圖 80圖52 不同訓練次數之檢出績效評估ROC曲線圖 82圖53 不同訓練次數之正確分類率折線圖 82圖54 本研究使用R-CNN網路模型之訓練資料損失曲線圖 83圖55 過擬合現象示意圖 83圖56 第一站R-CNN系列模型之ROC曲線圖 86圖57 第一站R-CNN系列模型之績效指標曲線圖 86圖58 第二站R-CNN系列模型之ROC曲線圖 87圖59 第二站R-CNN系列模型之績效指標曲線圖 87圖60 第三站R-CNN系列模型之ROC曲線圖 88圖61 第三站R-CNN系列模型之績效指標曲線圖

88圖62 第一站R-CNN系列較佳模型與YOLOV4之ROC曲線圖 90圖63 第一站R-CNN系列較佳模型與YOLOV4之績效指標曲線圖 90圖64 第二站R-CNN系列較佳模型與YOLOV4之ROC曲線圖 91圖65 第二站R-CNN系列較佳模型與YOLOV4之績效指標曲線圖 91圖66 第三站R-CNN系列較佳模型與YOLOV4之ROC曲線圖 92圖67 第三站R-CNN系列較佳模型與YOLOV4之績效指標曲線圖 92圖68 R-CNN系列模型與YOLOV4之總訓練時間曲線圖 94圖69 R-CNN系列模型與YOLOV4之總測試時間曲線圖 94圖70

R-CNN系列模型與YOLOV4之單位影像測試時間曲線圖 94圖71 各站R-CNN系列較佳模型與YOLOV4之正確分辨率直方圖 95圖72 使用不同遮罩大小之棘輪扳手檢出績效評估ROC曲線 97圖73 使用不同遮罩大小之棘輪扳手正確分類率折線圖 97圖74 採用不同亮度拍攝棘輪扳手之檢出率與誤判率ROC曲線 98圖75 採用不同亮度拍攝棘輪扳手之正確分類率折線圖 98圖76 工件擺放方向示意圖 99圖77 原始影像之各角度擺放情況 100圖78 原始影像加入遮罩後各角度擺放情況 100圖79 棘輪扳手正向擺設角度之檢出績效評估ROC曲線 102圖80

棘輪扳手負向擺設角度之檢出績效評估ROC曲線 102圖81 棘輪扳手擺設角度之正確分類率折線圖 103圖82 第一站塗抹不同程度潤滑油之比較圖 104圖83 第二站塗抹不同程度潤滑油之比較圖 104圖84 第一站塗抹不同程度之潤滑油後加上遮罩之比較圖 105圖85 第二站塗抹不同程度之潤滑油後加上遮罩之比較圖 105圖86 第一站塗抹不同程度潤滑油之檢出績效評估ROC曲線圖 106圖87 第一站塗抹不同程度潤滑油之正確分類率折線圖 107圖88 第二站塗抹不同程度潤滑油之檢出績效評估ROC曲線圖 107圖89 第二站塗抹不同程度潤滑油之正確分類率折線圖 1

07圖90 棘輪扳手動態視覺檢測系統運作示意圖 108圖91 棘輪扳手動態視覺檢測系統硬體架設實體圖 110圖92 動態視覺檢測系統中不同輸送帶速度所拍攝之原始影像 110圖93 動態視覺檢測系統中不同輸送帶速度所拍攝之前處理影像 111圖94 棘輪扳手動態視覺檢測系統之ROC曲線圖 112圖95 棘輪扳手動態視覺檢測系統之正確分類率曲線圖 113圖96 棘輪扳手各站模型之正確分類率直方圖 114圖97 棘輪扳手各站模型之檢測時間直方圖 115圖98 有無經同態濾波處理對各模型之正確分類率直方圖 117圖99 有無經同態濾波處理對各模型之績效指標折線圖 11

7

探討金屬催化氧化機制及其去除BTEX之應用

為了解決woo 115優缺點的問題，作者廖嘉慶 這樣論述：

目錄摘要 I誌謝 IV目錄 V表目錄 VIII圖目錄 X第一章 研究緣起與目的第二章 文獻回顧2-1 總石油碳氫化合物(含BTEX)介紹2-1-1 污染物來源2-1-2 污染物危害性及暴露2-1-3 國內外土壤污染現況及法規標準2-2 BTEX污染土壤復育技術2-2-1 土壤復育技術分類2-2-2 土壤復育技術介紹2-2-3 現地化學氧化法及影響因子2-2-4 氣提後處理技術2-3金屬催化氧化反應介紹2-3-1 自由金屬催化反應2-3-2 複合金屬催化反應2-3-3 自由基種類及其捕捉劑2-3-4 催化氧化可能機制2-4 因子實驗設計及其最佳化2-4-1 單因子實驗設計及其優缺

點2-4-2 多因子實驗及其優缺點2-4-3 反應曲面法及其應用時機2-5 一階反應及擬一階反應第三章 研究材料與方法3-1 研究架構與流程3-2 實驗藥品與材料3-3 實驗項目及方法3-3-1 BTEX頂空處理法及內標法3-3-2各種金屬催化氧化動力學測試3-3-3各種屬催化氧化反應對於BTEX降解效率3-3-4各種金屬與H2O2催化氧化反應機理3-3-5優勢催化劑EDTA-Fe2+/H2O2降解BTEX因子測試3-3-6金屬催化氧化反應降解BTEX模槽實驗3-3-7 其他實驗項目(pH、汽油成分分析)3-4分析設備3-4-1 氣象層析儀-火焰離子偵測器(GC-FID)3-4-2 氣象層析

質譜儀 (GC-MS)3-4-3其它設備3-5 檢量線及品質管制3-5-1 檢量線建立3-5-2重複樣本及品質管制第四章 結果與討論4-1 各金屬催化氧化反應測定4-2 各金屬催化氧化反應機制及評估4-3 最適催化氧化操作及條件4-3-1 決定催化氧化操作之有效因子4-3-2 最佳化催化劑及氧化劑之實驗4-4 金屬催化氧化反應降解BTEX模槽實驗第五章 結論與建議第六章 工程應用性參考文獻表目錄表2-1石油產物碳數分布、沸點及用途表2-2 石油碳氫化合物分類表2-3 BTEX物理化學性質表2-4 BTEX對於生物體危害整理表2-5 台灣土壤有機化合物管制標準表2-6 台灣石油碳氫化合物土

壤污染濃度範圍表2-7 國際重大土壤污染事件表2-8土壤污染整治技術方法分類表表2-9 各種處理方法之優缺點整理表2-10台灣地區運用土壤及地下水污染整治技術表2-11不同氧化劑優缺點表2-12各化學氧化法處理及結果表2-13 化學氧化法處理氣相有機物整理表2-14 金屬螯合劑介紹表2-15 自由基種類及捕捉劑表2-16 22因子設計表3-1 藥品資訊表表3-2 24全因子實驗設計表3-3 24全因子實驗劑量表表3-4 23全因子實驗設計表3-5 23全因子實驗劑量表表3-6 22全因子實驗設計表3-7 22全因子實驗劑量表表3-8 模槽實驗設計-催化劑為因子表3-9 模槽實驗設計-氧化劑為因

子表3-10 GC-FID分析條件表3-11 GC-MS 分析條件表3-12 BTEX檢量線配置表表3-13 空白BTEX濃度三重複分析表4-1 Fe2+作為催化劑一階降解模式結果表4-2 Cu2+作為催化劑一階降解模式結果表4-3 EDTA-Fe2+作為催化劑一階降解模式結果表4-4 Hemin作為催化劑一階降解模式結果表4-5 24全因子低/高水平的因子值表4-6 23全因子低/高水平的因子值表4-7 22全因子低/高水平的因子值圖目錄圖 2 1 一般常見的SVE系統圖2-2 生物通氣法處理系統圖2-3 生物堆法處理系統圖2-4 空氣注入法搭配氣體抽除法處理系統圖2-5 植物整治法處理概念

圖2-6 低溫加熱脫附處理系統圖2-7 現地化學氧化處理示意圖圖2-8 均相Fenton反應機制意示圖圖2-9 非均相Fenton反應機制意示圖圖2-10 氯化血紅素氧化機制圖3-1 研究架構圖圖3-2 實驗設計概念圖圖3-3 實驗室模槽系統設計圖圖3-4金屬催化氧化反應動力學測試流程圖圖3-5催化氧化反應對於BTEX降解效率流程圖圖3-6金屬催化氧化反應機制意示圖圖3-7 反應曲面法實驗設計圖3-8系統實驗尾氣分析流程圖圖3-9 系統實驗活性碳分析流程圖圖3-10 氣相層析儀-火焰離子偵測器圖3-11 氣象層析質譜儀圖3-12 苯檢量線圖3-13 甲苯檢量線圖3-14 乙苯檢量線圖3-15

對-二甲苯檢量線圖 4-1 Fe2+作為催化劑氧化反應濃度與時間關係圖圖 4-2 Cu2+作為催化劑氧化反應濃度與時間關係圖圖 4-3 EDTA-Fe2+作為催化劑氧化反應濃度與時間關係圖圖 4-4 Hemin作為催化劑氧化反應濃度與時間關係圖圖4-5 常態隨機分佈圖(EDTA-Fe2+為催化劑使用)圖4-6 殘留物隨機分佈圖(EDTA-Fe2+為催化劑使用)圖4-7 擬一階模式模擬結果圖(EDTA-Fe2+為催化劑使用)圖4-8 實驗組中各金屬催化氧化效率圖圖4-9 超氧陰離子控制組降解效率圖圖4-10 氫氧自由基控制組降解效率圖圖4-11 不同濃度Fe2+降解濃度圖圖4-12 不同

濃度Fe2+降解效率圖圖4-13 不同濃度EDTA-Fe2+降解濃度圖圖4-14 不同濃度EDTA-Fe2+降解效率圖圖4-15 不同濃度Hemin降解濃度圖圖4-16 不同濃度Hemin降解效率圖圖4-17 不同濃度氧化劑降解濃度圖圖4-18 不同濃度氧化劑降解效率圖圖4-19 24全因子效應分析(因子: EDTA-Fe2+、H2O2、pH、及溫度)圖4-20 24全因子常態機率分布圖(因子: EDTA-Fe2+、H2O2、pH、及溫度)圖4-21 23全因子效應分析(因子: EDTA-Fe2+、H2O2及pH)圖4-22 24全因子常態機率分布圖(因子: EDTA-Fe2+、H2O2及pH

)圖4-23 22全因子效應分析(因子: EDTA-Fe2+、H2O2)圖4-24 22全因子常態機率分布圖(因子: EDTA-Fe2+、H2O2)圖4-25 反應曲面法設計圖4-26 反應曲面法第一階段實驗結果圖4-27 反應曲面法第二階段實驗結果圖4-28 反應曲面法第三階段實驗結果圖4-29 反應曲面法第四階段實驗結果圖4-30 最佳化反應曲面圖圖4-31 最佳化反應等高線圖圖4-32 模槽空白時間濃度變化圖圖4-33 模槽活性碳only時間濃度變化圖圖4-34 氧化劑單因子實驗結果(以重量表示)圖4-35 氧化劑單因子實驗結果(以效率表示)圖4-36 催化劑單因子實驗結果(以重量表示)

圖4-37 催化劑單因子實驗結果(以效率表示)圖4-38 系統降解及吸附各污染物效率圖圖4-39 活性碳重量單因子氧化及吸附效率圖圖4-40 活性碳單因子實驗尾氣濃度圖(30 g活性碳)圖4-41 活性碳單因子實驗尾氣濃度圖(40 g活性碳)圖4-42 活性碳單因子實驗尾氣濃度圖(50 g活性碳)圖4-43 活性碳單因子實驗尾氣濃度圖(60 g活性碳)圖6-1 本技術工程示意圖