2025-08-10 –, TR409-2
近年來，微型機器學習（TinyML）領域的關注度大幅提升。儘管受到如此高度關注，但將其理論潛力轉化為工程領域實質性實際應用的情況仍然相當有限。關鍵基礎設施的結構檢測在人工執行時面臨重大安全挑戰，特別是在鋼結構的螺栓連接和外牆磁磚檢測方面。
本文提出一種創新方法，將TinyML與攀爬機器人整合，在資源受限的環境中實現自主、即時的結構缺陷檢測。本研究檢視兩個互補的案例研究：使用FOMO（更快物件，更多物件）演算法進行鋼結構螺栓缺陷視覺檢測的磁吸式攀爬機器人，以及採用基於CNN的聲學分析技術進行建築外牆磁磚缺陷檢測的真空吸附式攀爬機器人。
磁吸式機器人達到82%的準確率，推論時間僅需86毫秒，同時僅需最少的記憶體資源（0.072MB快閃記憶體，239.1KB RAM）。真空吸附式機器人通過聲學特徵分析，在區分缺陷與完好磁磚方面展現74.62%的準確率。兩項實作皆展示了TinyML在不同感測模式和結構檢測領域的多樣性應用能力。
COSCUP 的參與者
Difficulty:初學者
林子軒博士目前為國立中央大學土木系教授兼學校副總務長。2011年於國立交通大學土木工程系取得博士學歷。畢業後即至中興工程顧問社服務，擔任副研究員一職；並於2016年10月獲科技部國外博士後獎學金，至美國UC Berkeley擔任博士後訪問學者，2018年2月進入中央大學服務。在交大碩士班期間同時修讀資訊管理輔所，而博班期間則雙主修電機與控制工程研究所，取得電控碩士學位。林子軒教授具跨域整合研究能力，主要研究重點為應用智慧機器人 、TinyML、AIoT於土木工程智慧檢監測與營建工程之自動化等議題上。