光電工程研究所暨學士學位學程

Permanent URI for this communityhttp://rportal.lib.ntnu.edu.tw/handle/20.500.12235/63

本所於民國91年成立碩士班，94年成立博士班。本所成立之宗旨及教育目標在於培育符合社會所需的光電科技專業人才，本所發展目標在於實現學界對於國內產業的關懷與參與之願景，並朝向「產業知識化、知識產業化」的發展趨勢與需求邁進。近年來，本校已轉型為綜合研究型大學，依據校務整體發展計畫與本所發展策略規劃之需求，將能提供本所未來發展之參考與願景。

本所研究方向 ：
一、光電材料與元件模組
二、奈米生醫及醫學影像

News

系所網址：https://www.ieo.ntnu.edu.tw/

Browse

Filters

2024 - 20252

Settings

Subject: search.filters.subject.ESG

Search Results

Now showing 1 - 2 of 2
  • No Thumbnail Available
    Item
    結合光譜平滑化技術的廢紡分類辨識系統設計與實現
    (2025) 張清淵; Chang, Ching-Yuan
    隨著全球環境保護（Environmental）、社會責任（Social）與公司治理（Governance, ESG）議題的重要性日益提升，紡織品的回收和再利用成為了紡織產業中極具挑戰性和急需解決的問題之一。實驗室專注於回收具經濟價值的紡織材料，包括聚酯纖維（Polyester）、尼龍（Nylon）、棉（Cotton）以及聚酯纖維與棉的混紡物。以往的材料鑑別主要依賴於化學分析技術，該方法耗時且可能對環境造成影響。因此，開發一種快速、環保且非破壞性的材料辨識方法具有重要意義。本研究構建了一基於近紅外光譜儀（NIR）及Linux系統架構的紡織品回收系統，用於廢紡材料的分類辨識。然而，由於測量環境的光場變化，其光譜量測結果存在差異，影響系統定量分析穩定性。因此本研究引入Cubic Spline（三次樣條）數據平滑化技術，將光譜解析度由10 nm提升至1 nm，增強光譜數據的細節。同時，結合標準參照與校正方法，使用五種反射強度參照標準（100%、99%、75%、50%、2%反射率）進行光譜校正，使用Python進行了數據分析與處理，將絕對強度轉換為相對強度，以消除環境光場變化對測量的影響。此外，吾人結合主成分分析（PCA）來提取光譜數據的主要特徵，並採用支持向量機（SVM）進行分類模型的建立。這些技術有效地提升了系統的穩定性和分類精度。同時標準參照與校正方法有效地校正了不同環境下的光譜偏差，提升了測量結果的一致性。實驗結果顯示，經處理後的光譜數據在樣品分類辨識中取得了較高的準確率透過這些步驟，吾人旨在對衣物的材質進行定性分析並同時在混紡類別中以定量分析進行精準識別。本研究成功設計並實現了一套結合光譜平滑化技術的廢紡分類辨識系統。這一過程對於材料鑑定和化學分析提供了重要的基礎，使吾人能夠更有效地處理和回收紡織品。通過Cubic Spline數據平滑化和標準參照校正，系統的穩定性和辨識準確性得到了顯著提升。未來將進一步優化光譜數據處理算法，並引入機器學習模型，同時，計劃拓展系統對其他紡織材料的適用性，為紡織品回收再利用提供更全面的技術支持。
  • No Thumbnail Available
    Item
    開發動態影像辨識-聚焦衣物的顏色與特徵
    (2024) 周雨欣; Zhou, Yu-Shin
    追求環境保護（E，Environmental）、社會責任（S，Social）以及公司治理（G，Governance）的背景下[1]，實驗室開始專注於紡織產業的衣物布料回收研究。回收的材料包括常見的聚酯纖維（Polyester）、尼龍（Nylon）、棉（Cotton）以及聚酯纖維與棉的混紡等。過去，紡織產業通常需要依賴特定的化學技術進行材料鑑別，然後才能製造新的衣物。然而，現今實驗室已經能夠透過光譜變化的量測來確定衣物的材質[2]。本研究將採用Python語言開發，利用OpenCV影像辨識技術分析攝影機拍攝的衣物表面狀態，從中檢測出衣物的顏色，進一步協助化學分析。本研究旨在利用在紡織產線上搭建的 Linux 系統架構，配備一組固定位置攝影機，拍攝紡織品流動的畫面，並透過影像處理技術分析衣物的顏色，將分析結果顯示於螢幕上。資料收集方面，我們與實驗室合作的紡織研究所以及舊衣回收所合作，從中獲取素色紡織品以及具有不同樣式的紡織品作為研究對象。實驗步驟包括以下幾個主要步驟：首先，從衣物中特定範圍抓取顏色像素，其中色彩空間主要使用HSV，將BGR像素轉換為色相（Hue）、飽和度（Saturation）、明度（Value），以定義和抓取顏色範圍；隨後，利用K-means主成分分群算法[12]，將特定範圍內的像素分群，並提取出其中的三個主要顏色；最後，將這三種主要顏色映射到三維空間中，計算它們之間的距離，以判定衣物的特性和顏色，例如素色（solid）、褪色或淡色（fade）以及具有不同樣式的衣物色（pattern）。透過這些步驟，我們旨在確定衣物的特性與顏色之間的關聯性。分析結果顯示，成功開發了一個顏色辨識系統乃是透過Python程式和OpenCV影像處理技術，在色彩空間轉換和K-means主成分分群算法，能夠準確地抓取衣物的特定區域並識別出其顏色之外，可以用K-means的計算結果，知道三大顏色分群關聯性，並得知衣服的樣式類別。這一過程對於材料鑑定和化學分析提供了重要的基礎，使我們能夠更有效地處理和回收紡織品。