本論文將發展一套以PZT壓電材料為基礎的聲波發送與接收系統，激發出在板中的導波 (蘭姆波)，並以蘭姆波在板上受到干擾所產生的變化為數據，結合人工智慧的深度學習 (Deep Learning)，設計一套可行的觸控辨識方法。 架構上，以多通道的資料擷取 (Data Acquisition DAQ) 卡擔任電壓的輸入輸出，藉由LabVIEW程式控制DAQ將電壓輸入PZT壓電材料，經由壓電片的激震後產生蘭姆波，蘭姆波在經由板中傳遞後由另一端PZT接收，並輸出電壓信號給DAQ，並將波形信號輸出至以人工智慧所建立之模型，並進行及時的觸控位置判讀。為了對此一系統進行監督式的人工智慧訓練與模型建置，本研究以LabVIEW控制一個XYZ的三軸龍門式位移平台，並搭配一個仿真的假手指，可以依序觸碰指定位置之鋼板表面的觸控區域，並同時儲存因觸碰產生的波形變化資料，最後將資料匯入程式語言Python進行卷積神經網路 (Convolutional Neural Networks CNN) 來訓練其辨識模型，最後將模型檔案送入DAQ的C++架構底下進行即時辨識，觀察準確程度。 針對本研究所完成之具備人工智慧判讀能力的超音波觸控位置感測系統，實際上以真手指進行多次與反覆的實驗測試，發覺在12x12 cm2 的感測面積與1 cm2 的感測解析度之下，可以達到 95 % 的正確度，而且反應的時間約為89 ms，亦即具有11 25 Hz 的更新速率，驗證此一設計與架構的可行性與實用價值。本研究將特別討論一種有益於觸控辨識的 PZT 壓電片配置方法，可以利用系統的對稱性，大幅度提高CNN觸控模型的辨識度。
An Ultrasonic Touchscreen Sensor Based on Piezoelectric Transducers and Artificial Intelligence
承燊, 張. (Author). 2019
學生論文: Doctoral Thesis