視覺輔助腐蝕機制診斷與定位巡檢模組開發：材料世界網

蔡承洋、何明原、孫元亨、黃挺瑋 / 工研院材化所

國內石化廠多位於沿海嚴苛腐蝕環境，外部腐蝕問題嚴重，主要仰賴巡檢員目視找出腐蝕熱點以進行維修。然而設備規模廣大、組件複雜，且腐蝕熱點型態多元，單靠目視難以全面找出腐蝕熱點而有疏漏；既有定位技術(如GPS、藍牙)難以定位腐蝕熱點，多需現場會勘確認位置，方能移轉包商進行後續維修。工研院開發腐蝕熱點偵測與定位巡檢模組，可搭載於巡檢車執行巡檢任務，解決人力目檢疏漏及難以定位熱點等關鍵問題。目前完成建置腐蝕影像資料庫(共計有4,713張標記照片)，腐蝕熱點AI辨識模型開發、訓練及優化，辨識率達90%。此外，完成熱點定位模組、多感測器數據融合及系統整合功能優化工作。巡檢車搭載模組進行工研院院內9米長管線場域驗證，具備熱點偵測(辨識率達90%以上)、自動2D建圖及熱點位置標示功能。在石化場域驗證方面，於塑化丙烯儲槽區管線，完成16處腐蝕熱點偵測，熱點標記幀數達90%以上。這項具腐蝕熱點偵測、辨識與定位功能之視覺輔助巡檢模組，可推動導入廠區巡檢車或AMR應用，協助提升廠區勞動力韌性，解決人力不足及目視漏檢之問題，強化廠區設備安全性，降低工安事故發生機率。

【內文精選】

同步建圖與定位技術

同時定位與地圖構建技術(SLAM)是指利用各種傳感器數據(光達、RGBD相機、IMU等)生成對其自身位置姿態的定位和場景地圖資訊的演算法。當前主流的演算法主要分為基於光達(LiDAR)的光達SLAM和基於視覺的vSLAM。其中光達SLAM，主要使用光達進行測距，優點是穩定、地圖資訊簡單且準確、誤差模型簡單、計算量相對vSLAM較少，目前已經廣泛應用在業界上。缺點則有感測器資訊量較少導致累積誤差的消除相較vSLAM更不容易，且光達本身價格高且體積大，使用上不如vSLAM方便；此外，光達SLAM不擅長於動態環境中工作，在許多行人行走的室內環境會嚴重影響SLAM的定位功能。相較於光達SLAM，vSLAM更貼近於人類獲取環境資訊的方式，其具有強大的環境辨識能力，但也因此運算量龐大，導致實時運行有難度。另外vSLAM具有感測器價格便宜、體積較小且安裝方便的優點，這也是近年熱門的主因。

當前主流的演算法有ORB-SLAM、LSD-SLAM、RTAB-Map等，這些演算法的差異主要在於對於特徵點的提取以及地圖稠密度。理想特徵點必須具有可重複性、可區別性、高效率和本地性(Locality)；為了做到可重複性，期許特徵點具有尺度、旋轉、灰度不變性。滿足這些特性犧牲的往往是計算時間，計算時間與特徵點提取方式必須取得一個平衡。SLAM技術中主要的三個模塊包含：特徵點擷取、建圖及迴環檢測。

3. 視覺慣性里程計(Vision Iner tial Odometry; VIO)

本研究主要藉由巡檢車掛載之LiDAR及RGBD Sensor所偵測到之影像資訊，分別輸入至機器人作業平台上辨識與定位模組。辨識模組主要利用CNN-ResNet網路進行熱點偵測及辨識；定位模組主要利用SLAM技術進行即時建圖及熱點自動化標示。最終將兩模組之演算結果耦合以完成以下兩模組功能開發(圖五)：①腐蝕熱點影像辨識和標記方框；②腐蝕熱點位置呈現於SLAM地圖及座標兩種功能建立。

圖五、腐蝕熱點偵測與定位巡檢模組架構

熱點偵測與辨識模組開發

1. 腐蝕樣態資料分類/標記資料庫建置

國內石化廠多數座落於沿海嚴苛腐蝕之環境區域，防蝕工法主要為施作防蝕塗裝。然而，塗裝暴露於紫外光下會逐漸劣化導致鋼材銹蝕，再加上石化設備組件多元，例如有：管線、儲槽、法蘭、螺栓、管支撐、保溫材等，故腐蝕型態機制亦十分多元複雜。

3. 熱點定位模組開發

於工研院中興院區52館九樓之9 m長管線進行模組熱點辨識與定位測試，管線共有兩處熱點供模組功能測試。管線銹蝕(Pipe Rust) Ground True：距牆面520 cm；法蘭螺栓銹蝕(Flange Rust)Ground True：距牆面670 cm。測試結果顯示，模組具備熱點偵測及定位功能，且可即時於2D數位化圖面上定位，實測2處腐蝕熱點，定位誤差平均皆小於50 cm(圖十三) ---以上為部分節錄資料，完整內容請見下方附檔。