Month: 2019-11

文章	留言
1501744729989661 時間：2019-11-29 11:37 想買的東西太多記不起來嗎? 想省錢又想避免人擠人情況優雅逛街嗎? 怕錯過商品的優惠資訊嗎? 別擔心！讓 #智慧賣場虛實整合系統來協助你！　　 🛒作品簡介：虛實整合在Marketmon Go的兩個方面可以見得，一是虛擬網路與實體商店的整合，二是虛擬畫面與實體世界的整合。前者不僅讓消費者保有實體商店的實際體驗，也能享受網路購物的輕便購物。後者透過AR技術，藉由行動裝置的畫面跟環境互動。… 更多為了最佳化購物體驗，Marketmon Go使用IoT物聯網技術，讓消費者在購物前能購了解賣場環境，給您更好體驗，也為買賣雙方創造雙贏互惠的局面！　　 🛒作品名稱：Marketmon Go-智慧賣場虛實整合系統 🛒獲獎：資訊應用組五第一名🏆🥇 🛒指導老師：黃思皓老師 (國立交通大學) 🛒得獎團隊：黃俞翎、陳建全、王映絜、吳宗叡、羅之謙、謝晴雯、粘捷、楊雯婷 🛒影片連結： https://tinyurl.com/w6bjyuj 　　也別忘記參加我們 #推廣InnoServe競賽抽好禮的活動 ➡傳送門：https://tinyurl.com/w3hqjrq 想了解更多，請上「#InnoServe競賽」 ➡官網https://innoserve.tca.org.tw/ 影片	@{楊恭弦\|IamKennyYang}
1501687893328678 時間：2019-11-30 15:37 🏭#製造業為台灣的重要產業，要怎麼透過 #巨量資料及 #人工智慧技術來增進製造流程的效率呢🤔? 　　 🛠作品簡介：在焊錫表面黏著技術流程中，會採用Automated Optical Inspection… 更多 (AOI)檢測焊錫及元件是否有缺失，AOI機器檢測速度快，但準確率低；而人工雖然有極高的正確，但是花費許多的時間，因此大部分公司採取先透過AOI機器進行初篩，但是AOI的篩選規則較為嚴格，「寧可錯殺一百，不可放過一個不良品」，因此仍大量人工複檢，故人力成本還是很高。因此我們提出「強化生成對抗網路(GAN)應用於工業自動光學檢測(AOI)圖像辨識」，除了建立AOI辨識模型之外，更加入強化生成對抗網路增加異常的樣本數，以提升模型的準確度，本模型可將原來的誤報率從32.35%降至成2.94%，大幅減低人工複檢所需之人力成本。　　 🛠作品名稱：強化生成對抗網路(GAN)應用於工業自動光學檢測(AOI)圖像辨識 🛠獲獎：智慧製造AI創新應用組第一名🏆🥇 🛠指導老師：王蒞君教授、林家瑜博士 (國立交通大學) 🛠得獎團隊：蔡松軒、陳子定、黃大祐、程弘元、劉嘉玲 🛠影片連結：https://youtu.be/Z8aZVau3dwI 　　也別忘記參加我們 #推廣InnoServe競賽抽好禮的活動 ➡傳送門：https://tinyurl.com/w3hqjrq 想了解更多，請上「#InnoServe競賽」 ➡官網https://innoserve.tca.org.tw/ 影片	@{鄭紹頡\|yoshinohaha}@{William Lin}

文章

留言

1501744729989661
時間：2019-11-29 11:37
想買的東西太多記不起來嗎?
想省錢又想避免人擠人情況優雅逛街嗎?
怕錯過商品的優惠資訊嗎?
別擔心！讓 #智慧賣場虛實整合系統來協助你！
　　
🛒作品簡介：虛實整合在Marketmon Go的兩個方面可以見得，一是虛擬網路與實體商店的整合，二是虛擬畫面與實體世界的整合。前者不僅讓消費者保有實體商店的實際體驗，也能享受網路購物的輕便購物。後者透過AR技術，藉由行動裝置的畫面跟環境互動。… 更多為了最佳化購物體驗，Marketmon Go使用IoT物聯網技術，讓消費者在購物前能購了解賣場環境，給您更好體驗，也為買賣雙方創造雙贏互惠的局面！
　　
🛒作品名稱：Marketmon Go-智慧賣場虛實整合系統
🛒獲獎：資訊應用組五第一名🏆🥇
🛒指導老師：黃思皓老師 (國立交通大學)
🛒得獎團隊：黃俞翎、陳建全、王映絜、吳宗叡、羅之謙、謝晴雯、粘捷、楊雯婷
🛒影片連結： https://tinyurl.com/w6bjyuj
　　
也別忘記參加我們 #推廣InnoServe競賽抽好禮的活動
➡傳送門：https://tinyurl.com/w3hqjrq
想了解更多，請上「#InnoServe競賽」
➡官網https://innoserve.tca.org.tw/

影片

@{楊恭弦|IamKennyYang}

1501687893328678
時間：2019-11-30 15:37
🏭#製造業為台灣的重要產業，
要怎麼透過 #巨量資料及 #人工智慧技術
來增進製造流程的效率呢🤔?
　　
🛠作品簡介：在焊錫表面黏著技術流程中，會採用Automated Optical Inspection… 更多 (AOI)檢測焊錫及元件是否有缺失，AOI機器檢測速度快，但準確率低；而人工雖然有極高的正確，但是花費許多的時間，因此大部分公司採取先透過AOI機器進行初篩，但是AOI的篩選規則較為嚴格，「寧可錯殺一百，不可放過一個不良品」，因此仍大量人工複檢，故人力成本還是很高。因此我們提出「強化生成對抗網路(GAN)應用於工業自動光學檢測(AOI)圖像辨識」，除了建立AOI辨識模型之外，更加入強化生成對抗網路增加異常的樣本數，以提升模型的準確度，本模型可將原來的誤報率從32.35%降至成2.94%，大幅減低人工複檢所需之人力成本。
　　
🛠作品名稱：強化生成對抗網路(GAN)應用於工業自動光學檢測(AOI)圖像辨識
🛠獲獎：智慧製造AI創新應用組第一名🏆🥇
🛠指導老師：王蒞君教授、林家瑜博士 (國立交通大學)
🛠得獎團隊：蔡松軒、陳子定、黃大祐、程弘元、劉嘉玲
🛠影片連結：https://youtu.be/Z8aZVau3dwI
　　
也別忘記參加我們 #推廣InnoServe競賽抽好禮的活動
➡傳送門：https://tinyurl.com/w3hqjrq
想了解更多，請上「#InnoServe競賽」
➡官網https://innoserve.tca.org.tw/

影片

@{鄭紹頡|yoshinohaha}@{William Lin}