电动车浪潮席卷全球，台湾厂商也积极抢攻关键零组件，像是齿轮是电动车关键传动元件之一，工研院也因此开发国内首创3D螺旋切齿齿轮检测机，并成功导入国内齿轮大厂本土的产线中，不仅减少50%人力检测需求，对于像电动车这样的高端市场需求下，也有助于提升产品可靠度，提高市场竞争力。

金属制品因本身具有反光特性，因此传统使用机器视觉(AOI)进行瑕疵检测时，相当容易受到干扰或误判，使得技术门槛通常较高，加上台湾金属加工产业大多属于传统中小企业，在技术与资本限制下，目前在品检流程中仍大多倚靠人工目视来确保品质，但检测的过程却相当耗时又费力。

而在齿轮这项金属制品的检测中，挑战又更为严峻。因本身结构关系，齿距间的起伏容易形成阴影，其跟俗称「黑皮」的齿轮瑕疵，在外观上几乎无异，因此即便克服反光问题，一般传统AOI检测仍难以识别出该瑕疵究竟是黑皮，或是阴影造成，因而有可能产生误判。

为改善业界瓶颈，工研院研发「金属制品外观品质AI监别与回馈模块」搭配国内首创3D螺旋切齿齿轮检测机，在金属反光的情况下，能够自动检测出黑皮、撞伤与崩齿等瑕疵，目前这套系统也已成功导入国内齿轮大厂本土，正确率达96%，不仅减少50%的人力需求，检测一颗齿轮的速度更从60秒降至30秒以下。

工研院机械与机电系统研究所组长吴志平指出，该技术有两大关键，一是在机构设计上藉由多轴同动所开发的动态调变光源技术，该技术可依据不同型号的齿轮跟外观结构，动态调整打光的方式、位置与角度等，以克服具有3D外观的金属制品，在取像时容易产生反光的问题，而第二个技术关键则是利用AI深度学习训练检测模块，强化AOI的识别能力，更正确判别瑕疵种类。

吴志平进一步指出，像有的台厂切入国际知名电动车大厂的供应链，为确保品质，这些电动车大厂都相继开始要求底下供应链必须做到全检，但过去台厂受限于技术限制，因此至今仍多以人工目视检测为主，但人工作业通常一天只能检测8小时，不仅无法提高产能，人力在疲劳时也会因此导致检测品质下降，在产线中逐渐形成一瓶颈站点。

尤其黑皮更是齿轮的重大瑕疵。所谓黑皮指的是齿轮在加工过程中的表面研磨不良，此会导致齿轮在转动过程中因表面不平产生摩擦，进而失衡，还会因此降低齿轮寿命，尤其齿轮是电动车重要的传动元件之一，因此对于车厂的供应链来说，势必要确保其品质可靠度。

而目前这项技术除了可应用于齿轮外观瑕疵检测，工研院研发团队也发展出迁移式学习(Transfer Learning)，加快AI学习速度，以便让系统可以更快应用在不同金属产品上，协助厂商有效量化瑕疵状况与良率。