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
    針對空拍影像物件偵測之改良型YOLOv7演算法研究
    (2024) 鍾宜修; Chung, Yi-Hsiu
    近幾年無人機的技術發展迅速,飛行距離越來越遠、體積也不斷縮小,甚至能自動飛行,因此能應用的範圍也越來越廣泛,例如交通監測、工業或自然環境巡檢等等。另外隨著人工智慧的興起,現在無人機也會結合人工智慧演算法協助其辨識影像。由於無人機所拍攝的影像內物件往往尺寸偏小,且無人機本身的運算支援有限,因此如何提升小物件的辨識效果且同時降低模型運算時所需的資源至關重要。本論文以YOLOv7為基礎模型進行改良,提升它對小物件的偵測效果且同時降低模型參數量及計算量,我們以VisDrone-DET2019資料集來驗證模型改良成效。總共修改五種方式,第一種方式是將ELAN (Efficient Layer Aggregation Network)替換成M-ELAN (Modified Efficient Layer Aggregation Network),第二種方式是在高階特徵層添加M-FLAM (Modified Feature Layer Attention Module),第三種方式是將特徵融合的結構從PANet (Path Aggregation Network)改成ResFF (Residual Feature Fusion),第四種方式是將模型內下採樣的模塊改成I-MP模塊 (Improved MaxPool Module),最後一種方式是將SPPCSPC (Spatial Pyramid Pooling Cross Stage Partial Networks)替換成GSPP(Group Spatial Pyramid Pooling)。綜合以上方法,將mAP (mean Average Precision)提升1%,同時模型參數量卻下降24.5%,模型計算量GFLOPs (Giga Floating Point of Operations)也降低13.7%。
  • Item
    基於深度學習之職安監測系統開發
    (2023) 王千瑞; Wang, Chien-Jui
    在台灣,每年施工造成意外的比例與職業傷害皆位居前茅,對勞工的生命與產業的生產力造成重大影響,其中勞工不安全行為是意外發生的首要原因。防制此行為的傳統方式是在施工現場架設監視器或派人監工,但由於人力問題,監督的效果與效率並不理想,基於此本研究開發以深度學習為基礎之職安監測系統來協助施工現場的職安管理。科技的進步大幅提升影像辨識能力與速度,本研究利用經過模型架構優化和訓練過程優化的新穎物件偵測器YOLOv7,針對施工現場影像進行訓練並建立職安狀態辨識模型後,對施工中的影像進行偵測,將未符合職安規定的事件篩選出來,最後將辨識結果以LINE Notify即時通報。與YOLOv5演算法進行比較,YOLOv7模型在演算法有改進之外,本研究透過訓練資料集的修正與增加以及模型的重新訓練等方式改善職安監測系統的辨識能力,使模型的mAP提升了約4%。本研究所建立的辨識模型在訓練階段的最佳mAP@.5高達0.98,此高mAP@.5表示可減少誤報與漏報情況的發生。誤報率太高會造成現場施工的困擾,並對通報失去信心;漏報率太高代表違反職安事件的偵測效果不彰,此將影響即時預警的功能。高mAP@.5所帶來的效益將提升施工現場的安全管理,減少意外的發生,強化本研究在產業實務應用的可行性與價值性。