國立臺南大學理工學院 109學年度成果展

國立臺南大學理工學院109學年度成果展   

國立臺南大學理工學院109學年度成果展

資訊工程學系



使用增強式學習讓機器玩遊戲

  • 組員:姚玨妤
  • 指導教授:朱明毅
  • 簡介:近年來人工智慧蓬勃發展,為人類未來生活帶來更多便利性與可能性。但當我們想讓AI自行玩遊戲時,由於無法列舉所有可能發生情況,因而無法使用監督式學習去訓練。因此本專題中使用增強式學習(RL),讓AI在不斷嘗試的過程中找到最佳的遊戲策略。然而遊戲中要處理的特徵過多及過於複雜,會導致輸入的維度爆炸,因此我們採用Deep Q Network(DQN)的方法去解決這個問題。同時我們也使用了改良自DQN的Nature DQN進行結果比較,在經過長時間的訓練後,兩者都能使AI穩定得到高分,但Nature DQN的學習效率與效能皆優於DQN。
  • More →

影像辨識演算法模型應用於愛文芒果五類不良品分析與預測

  • 組員:吳威廷 / 楊秉軒
  • 指導教授:林朝興
  • 簡介:此專題為參加人類行為訊息暨互動計算實驗室(BIIC Lab)在人工智慧共創平台(Aldea)上所提出的議題競賽:運用影像辨識演算法模型,對愛文芒果影像進行五類不良品分類,此競賽將會持續至明年1月底結束。我們也以此議題從國網中心爭取到農產品AI影像辨識專案計畫額度,使用TWCC主機作為運算資源,最高曾經同時使用8片Tesla v100 GPU進行模型訓練。在專題執行上,由於主辦單位給予的資料集(training set + validation set共計3萬多張)品質參差不齊,因此在資料清洗(Data Cleaning)以及資料前處理(Data Preprocessing)花費了大量的時間,依照官方公布病徵養成domain knowledge,將病徵不明顯、影像過於模糊之圖片進行剃除,我們先採用原生Mask_RCNN訓練模型(使用VIA進行標記)對芒果進行輪廓辨識,加入GrabCut演算法使輪廓辨識更加完善,並採實例分割(Instance Segmentation)將芒果與背景分離,單獨留下芒果,去除不必要的雜訊。再來我們轉用FAIR開發的detectron2來進行演算法模型開發,同樣採Mask_RCNN基底,在基於COCO Dataset Pretrained Model 的基礎上應用遷移式學習(Transfer Learning )使辨識結果更加精準,實際使用過兩種不同骨幹(R50-FPN & X101-FPN),也針對不同特徵去訓練模型,嘗試過灰階、二值化以及針對芒果近似色階的特殊處理,最終針對不同骨幹與特徵訓練產生模型,進行芒果病種特徵辨識。
  • More →

基於單目深度估測之避障系統

  • 組員:林方毅
  • 指導教授:朱明毅
  • More →

咖啡原豆篩選機雛形研製

  • 組員:張豈銓 / 林于璇 / 宋承彥
  • 指導教授:李建樹
  • 簡介:為了要保持咖啡品質,在咖啡生豆烘焙之前必須挑選出瑕疵豆,而目前這項任務主要還是以人力為主,通過肉眼檢查手動分類的方法不但耗費勞力、時間,而且不同人的判斷標準並不一致,因此導致了篩選不準確的問題。目前市面上的咖啡篩豆機主要以色彩分類的方式來辨別豆子的好壞,但這種方法僅在顏色差異極大或形狀奇異的壞豆上有較高的準確率,然而像是在真菌感染或是蟲蛀豆等在表面上只有細微瑕疵的豆子便難以辨識出來。因此,在此專題中,我們透過使用深度學習式影像分類技術,來提升選豆效能,此外,本專題也將結合機構設計,實作出一雛形系統。
  • More →

智慧路口號誌系統

  • 組員:廖韋翔 / 劉金霖
  • 指導教授:高啟洲
  • 簡介:目前使用的紅綠燈,等待紅燈的秒數須以人工設定,無法隨時依車流量機動調整,常造成路口阻塞。駕駛人若耐心不夠,闖紅燈、搶黃燈,甚至造成交通事故。因此,我們以改善交通的順暢為出發點,將傳統的紅綠燈系統加以改良,以車流量作為基準而改變紅燈等待的秒數,藉以讓車輛通行順暢而不阻塞,改善等待太久或者秒數太短行走到一半就變換成紅燈的情形發生。智慧型紅綠燈設計理念為可自行偵測當時路口車流量多寡,藉由車輛的通行數量變化,自動調整紅燈停留秒數,除了能節省人力資源,使路口交通更順暢, 也可避免車禍的發生。
  • More →

交叉路口具車輛軌跡預測之自動避撞駕駛系統之研製

  • 組員:黃詠翔 / 林星宇
  • 指導教授:陳宗禧
  • 簡介:在所有交通事故中,常發生的地點為交叉路口,當駕駛人在行經交叉路口時,僅依靠駕駛人雙眼去判斷路況,再加上其他車輛無法預期的行為,使駕駛人難以精確的判斷情況並立即做出相應的行為以避免碰撞。在科技的進步下,我們能收集交叉路口的車輛行為,並對這些數據進行分析,幫助我們在未來遇到這些狀況時,預測並提前做出反應。而在車輛內,使用Raspberry Pi與深度攝影機對前方路況進行即時監控,獲得完整路況資訊並分析,預測路口其他車輛之行駛軌跡,讓我們在通過交叉路口時,採取較安全的路徑。
  • More →

使用元學習讓機器學會造成心律不整的疾病分類

  • 組員:黃靖傑 / 蘇慧芸
  • 指導教授:朱明毅
  • 簡介:傳統機器學習需要大量計算資源和訓練資料,但某些重大或罕見的心律不整疾病可能會因受測者數量、發生頻率等問題而取得樣本數少。因此,本專題針對這類小樣本問題進行探討。採用元學習中基於度量方法的Relation Network和Matching Network架構進行研究,並添加自編碼器和長短期記憶模型優化架構,以3-way 1-shot的方式測試對未看過的疾病類型之心電圖進行分類。觀察測試結果,對於未看過的類別的準確度仍有改善空間。測試不同資料集分類也會因其差異而準確度有大幅度變動。推測元學習方式對心電圖疾病判讀有資料特性上影響存在。
  • More →

結合深度攝影機與深度學習技術應用於WI-FI環境下人體行為辨識之研製

  • 組員:林韋志 / 陳冠評
  • 指導教授:陳宗禧
  • 簡介:公共建設中會使用攝影機來做為環境中的安全監控設備,但是攝影機會有被遮蔽的問題,導致沒辦法拍攝到畫面。或是因為個人隱私的問題而不能安裝攝影機。因此,在攝影機看不到的地方往往會成為治安死角。長照場所中同樣也會使用攝影機做為監控設備,也會透過影像來觀察被照顧者的生活狀態。然而,攝影機通常只會被裝設於公共的活動區域中,在較為私人的空間中不會裝設攝影機。因此,在沒有攝影機的環境中,安全上需要人員不斷巡視;照護上,會透過被照護者身上的感測裝置,但是感測裝置會有穿戴麻煩、不夠舒適、需定期充電等問題。基於以上問題,我們提出使用Wi-Fi訊號來感測環境中的人體,並設計一個跨模式老師學生監督模型來做為研究方法。
  • More →

以區塊鏈技術建構去中心化之域名系統

  • 組員:黃漢民
  • 指導教授:楊文霖
  • 簡介:本專題開發了一個以PoS為共識機制的區塊鏈DNS,一個試圖對現存的DNS加以去中心化、改善其查詢速度、強化安全性的DNS系統。本系統採用了Tendermint開發,並參考了Namecoin之DNS系統架構。本系統為現存的DNS問題,諸如易受DDoS攻擊、DNS污染欺騙、政府審查等提出了解決方案。並且,本系統還能藉由區塊鏈所紀錄之交易地址認證域名所有權,以取代認證機構的角色。本系統並不意圖於取代現存的DNS系統,而是以一個不互相衝突的獨立系統同時存在,故本系統禁止註冊由現存DNS所管理的頂級域名。本專題並於實作後,分析了本系統所存在之一些尚待改善的缺陷。>
  • More →

Copyright © 2021 國立臺南大學理工學院
地址:700 台南市中西區樹林街二段33號 | 電話:06-2133111#172 | 傳真:06-3017001
Contact person for page: liwen327@mail.nutn.edu.tw