科技與工程學院

Permanent URI for this communityhttp://rportal.lib.ntnu.edu.tw/handle/20.500.12235/5

沿革

科技與工程學院(原名為科技學院)於87學年度成立,其目標除致力於科技與工程教育師資培育外,亦積極培育與科技產業有關之工程及管理專業人才。學院成立之初在原有之工業教育學系、工業科技教育學系、圖文傳播學系等三系下,自91學年度增設「機電科技研究所」,該所於93學年度起設立學士班並更名為「機電科技學系」。本學院於93學年度亦增設「應用電子科技研究所」,並於96學年度合併工教系電機電子組成立「應用電子科技學系」。此外,「工業科技教育學系」於98學年度更名為「科技應用與人力資源發展學系」朝向培育科技產業之人力資源專才。之後,本院為配合本校轉型之規劃,增加學生於科技與工程產業職場的競爭,本院之「機電科技學系」與「應用電子科技學系」逐漸朝工程技術發展,兩系並於103學年度起分別更名為「機電工程學系」及「電機工程學系」。同年,本學院名稱亦由原「科技學院」更名為「科技與工程學院」。至此,本院發展之重點涵蓋教育(技職教育/科技教育/工程教育)、科技及工程等三大領域,並定位為以技術為本位之應用型學院。

107學年度,為配合本校轉型規劃,「光電科技研究所」由原隸屬於理學院改為隸屬本(科技與工程)學院,另增設2學程,分別為「車輛與能源工程學士學位學程」及「光電工程學士學位學程」。

News

Browse

Search Results

Now showing 1 - 2 of 2
  • Item
    基於圖像串接和深度學習的改良生咖啡豆分類方法
    (2024) 温鑫; Wen, Xin
    為了解決生咖啡豆在影像辨識上的分類困難並提升精確度,這篇論文提出了一種通過串接不同的影像增強技術來融合不同的特徵提取演算法,以提高對生咖啡豆的辨識準確率。為了從原始影像中獲得各種關鍵特徵,我們選用了自適應閾值、位元平面分割、黑帽運算、Canny邊緣偵測、灰階、直方圖等化、Laplacian濾波、頂帽運算與非銳化濾鏡九種常見的影像增強方法。我們提出先在原本九種影像增強算法中挑選出與基準真相相關性較高的方法,並且僅將原始影像的RGB影像平面替換成相關性較高的影像處理方法,藉著多種特徵提升模型辨識度。在這項研究中,我們使用MobileViT進行實驗,最後選擇相關性較高的處理方式作為特徵融合的素材,經過影像串接產生的影像資料集作為新的輸入重新訓練。我們將不進行任何影像增強的分類方法視為基準。在二分法中,位元平面分割、直方圖等化和非銳化濾鏡的組合達到了96.9%的準確率,相對於原始方法提高了約5.5%。如果使用去除背景的相同資料集,相同的組合可以達到了97.0%的準確率;當我們選擇三分法進行實驗時,同樣都是由位元平面分割、直方圖等化和非銳化濾鏡的組合,分別達到了96.8%以及97.4%的準確率,較原始方法提升6.7%與4.9%。最後我們使用MobileNetV3驗證研究結果,在二分法的情況下,相同的影像增強組合分別在未去除背景與去除背景的影像可以獲得最高的99.12%與99.21%的準確率,相較原始方法有0.39%與0.44%的提升;如果以三分法再次進行實驗,與原始方法比較,大約分別有0.92%以及0.79%的提升,取得了98.73%與99.25%的準確率。
  • Item
    以多視角影像技術結合曼達尼模糊模型實現機器人室內定位
    (2021) 連君祐; LIEN, CHUN-YU
    本論文發展一套機器人室內定位系統,克服SURF(Speeded Up Robust Features)演算法僅能進行靜態特徵點提取的問題,本研究的貢獻是以模糊理論為基礎,應用Fuzzy邊緣檢測結合SURF,以兩種方法的整合作為本論文的改良法,透過改良演算法使影像輪廓更加清晰與貼近現實生活中物體的樣貌,SURF演算法於動態檢測的問題也獲得改善,並且藉由網路攝影機以及多項不同的程式軟體,將各項軟體與硬體進行合適的系統整合後,實現即時獲取室內機器人之座標位置。具體的研究架構包含以下內容:第一,藉由一張棋盤格之不同角度形成多角度照,多角度照形成的棋盤圖像代表校正的模式,再藉由相機校正以及針孔相機模型參數的轉換運算方法獲得機器人於空間中的所有座標點,座標記錄著機器人的移動狀態,這樣的紀錄方式將使得空間中的機器人無所遁形,並且有利於後續的機器人定位研究之實現。第二,先使用Canny邊緣檢測法或Sobel邊緣檢測法投影之機器人於環境中的樣子後,再藉由模糊邊緣檢測法使得邊緣檢測的效果得以提升並且經由改良後也能使SURF演算法於動態狀態下的問題獲得改善,抓取到足夠數量的特徵點進行特徵點的匹配,如此一來SURF演算法透過網路攝影機將能準確的標示輪型機器人之確切的位置。第三,SURF演算法藉由網路攝影機投影後,即時定位環境中之移動機器人位置並且藉由座標與改良的定位方法的整合,了解機器人於室內的動態軌跡與位置變化。整體而言,本論文的F-SURF能更快速並且更準確的定位移動機器人之位置,有效降低定位需花費之時間,同時改善SURF演算法於動態狀態標示位置跑掉之問題,提升最大有效範圍,以及將焦點鎖定在移動機器人身上,從起點到終點,改良的演算法都能於雜亂環境中準確快速地標示移動機器人的正確位置並且記錄著動態的每一個座標,最終實現了機器人之室內定位的系統。