第28屆專業實習成果發表
公司代號：ZW4
實習單位：黃正達 教授
輔導老師：黃正達 教授
學生：駱泳誌
學號：1091652
主題：基於YOLO之煙霧與車牌檢測系統
工作內容
01
工作環境
我們沒有規定一定要在實驗時進行研究，在什麼地方都可，研究的時間也沒有規定。不過每個禮拜都會固定跟指導教授開會說明每周進度、以及討論遇到的問題，所以每周都要自己安排時間做研究。
02
工作需求
訓練煙霧辨識以及車牌辨識模型，並自行設計一套整合性煙霧車牌自動檢測系統，將有汙染之虞的車輛，透過影像辨識進行分析，自動標示出車牌和有排放汙煙之部分，並將結果透過使用者介面呈現。
03
工作成果
在煙霧檢測部分，經過數據前處理、模型優化後，最終在900張驗證集上達到近94%的準確率。這證明了深度學習在柴油車排放監測方面的效果。在車牌辨識部分，最終也取得96%的準確率。
系統架構圖
成果展現
左側的四張圖片顯示了使用VPD-14模型進行檢測的結果，這些都是檢測失敗的案例。在這些案例中，模型錯誤地給出了負面結果（negative），儘管實際情況是正面的（true），這可以從綠色框標示的區域看出。 檢測失敗可能的原因包括：
-
煙霧不夠明顯，難以識別。
-
煙霧尚未充分擴散，導致其體積過小，不易於檢測。
右側的四幅圖片展示了使用VPD-14模型進行檢測的成功案例。在這些案例中，模型正確地給出了正面結果（positive），這由紅色框所標示。同時，這些正面結果與實際情況（由綠色框指示）相符合。
系統展示
成功辨識出煙霧
但車牌無法辨識
煙霧成功辨識
車牌也成功辨識
學習
獨立思考
研究過程是培養獨立和自主思考能力的關鍵。在這個過程中，我們不僅需要識別和分析問題，還要探索改進的方法。這要求我們對問題的起因和發展有全面的理解。此外，實驗的設計也是一項至關重要的工作，需要精心規劃和執行。只有通過細致的計畫和嚴謹的執行，我們才能有效地驗證假設、解決問題，並從中獲得深刻的見解和知識。
Notion
因緣際會下，接觸到Notion這款非常好用的筆記型軟體，我們可以很高效地記錄會議細節，還能實現模型的版本控制和文獻管理。使用Notion顯著提升了我們的開發效率和生產品質。而Notion也可以用在生活上，像是作為行事曆或是筆記整理，都是一個非常方便的工具。
機器學習
這次的研究學習了機器學習的核心知識，從傳統的支持向量機（SVM）到複雜的卷積神經網路（CNN）等深度學習技術。雖然目前還無法完全獨立開發一個高效的神經網路，但這次研究讓我對神經網路的運作原理有了深刻的理解。我學會了如何精確調整模型參數，以及採用不同的訓練策略來優化模型性能。
心得感想
在這次的研究中，我獲得了豐富的知識和經驗。技術層面上，深度學習給我留下了深刻的印象，並且成為我未來學習和發展的重點方向。觀察眾多先進的模型，我意識到自己的能力還有待提升。我期望在持續學習後，能夠研發出自己的實用模型。此外，數據分析和資料處理的技能也顯得非常關鍵，因為沒有這些基礎，模型建立是不可能的。至於整體系統的開發，同樣耗費了大量心力，這讓我深刻理解到良好的開發模式對提升工作效率和增加代碼可讀性的重要性。
在非技術領域，我學習到了如何管理專案和安排日程，這將對我未來的學術和職業生涯產生積極影響。撰寫文件的過程中，我也獲得了許多寶貴知識，這無疑將在我未來深造時提供極大的幫助。
最後，我衷心感謝黃正達教授和亞東科技大學的協助與合作。教授的專業指導和亞東科大提供的資源，為我在學習過程中提供了極大的支持，使我的學習之路更加順暢和高效。