「人工智能」已成全球显学，高雄大学电机工程学系教授吴志宏运用其中的「深度学习」技术架构，自主开发具影像辨识功能的机器手臂，搭配高解析度镜头，可聪明判断筛选物体并进行夹取，突破传统机器手臂定点限制。目前已成功辨识夹取多种蔬果作物、螺丝扣件、生产仿生胶带等，预计未来将再导入声控功能。

高雄大学人工智能研究中心执行长吴志宏主持「智能计算与应用实验室ICAL」，发表「智能影像辨识机器手臂」，开发成员包括专案经理陈诣翰，硕士生温宗彬、陈文盛、王嘉均、赖正龄，以及专题生张育仁、刘信铭、陈子伃、赖愉婧、林佩萱、张涵茵、李宗翰、江昀融、郭九亿、吴御熊。

在生活应用方面，智能影像辨识机器手臂已学会辨识苹果、花生、蒜头、栗子，即便混杂排列仍可一一夹取分类，难不倒它。想像未来，这样的机器手臂可以自行去果园採下成熟的果子，或是在开刀房里将刀檯的器械递给医师，或推广至一般民众生活如居家照护辅助。

吴志宏表示，传统型机械手臂的控制程式多半是写死的，有固定套路且需依序执行，临时改变标的物、料件数量或位置，就可能导致停摆当机。高雄大学研发的「智能影像辨识机器手臂」，展现软硬体整合成果，手臂导入AI训练后，可以看见、辨识以及自动执行夹取分类，只要标的物在它视线所及、运作范围内，不须刻意定位皆可正确完成。

吴志宏说，让机器手臂聪明灵活的关键，是搭载高解析度摄影镜头，并且透过Deep Learning技术架构自主开发专属影像辨识技术，包括建立物体「标准影像资料库」与「通用计算模型」，教导手臂认识及夹取物体。步骤为先对检测物体拍摄多张标准图片、形成标准影像资料库，接着从中萃出特徵佐以多种像素计算法，其中最高者做为通用计算模型，一连串过程称之为训练，可大幅缩短辨识时间，同时侦测出物体摆放角度、深度、位置，进而控制手臂做出夹取分类动作。

配合高雄扣件产业需求，智能机器手臂可百分之百正确分类出不同头型、长短的螺丝螺帽，并可再进一步训练检测品质提高良率。吴志宏也与化材系教授鍾宜璋合作，将机器手臂导入鍾的仿生无胶胶带制程，取代人工既省时又更精准。

吴志宏表示，这项影像辨识技术还有更新学习、修正改善的能力，随着辨识成功回馈资料改善资料库，提升辨识准确度与稳定度，改善传统必须重头分析的缺点。尤其现在已导入声控功能，使机器手臂更聪明、更人性化。