Browsing by Author "Liu, Wei-Chen"
Now showing 1 - 3 of 3
- Results Per Page
- Sort Options
Item 使用監督式K平均分群法與支持向量機之階層式車牌辨識系統(2017) 劉暐辰; Liu, Wei-Chen近年來運用車牌辨識技術於路口監視器吸引許多注意,它是實現智慧城市重要的一環,用來偵測肇事或遺失的車輛。過去車牌辨識已經成熟的運用在停車場的管理系統,達到停車免票證,停車位置記錄的功能。不同於停車場固定拍攝角度與光線的環境,運用於路口監視器的車牌辨識會遭遇因為拍攝角度、多車道偵測、車輛行駛速度與環境光影等因素而造成字元辨識困難。除了上述環境條件以外,字元辨識常見挑戰還包含:車牌模糊、髒汙、相異字體、相近字元等變因。本論文提出一個以SVM分類器為核心之車牌辨識系統,系統分為三個部分,包含車牌偵測、字元分割,與字元辨識。 車牌偵測的方式,使用Support Vector Machine (SVM)分類器。SVM分類器的目的為分類車牌及非車牌區域,而本研究使用以Histogram of oriented gradient (HOG)為訓練特徵的SVM分類器。為節省計算時間,過程使用圖形處理器(GPU)加速SVM計算。實驗結果顯示,我們的系統在三車道內擁有97.69%的車牌偵測成功率。抓取車牌影像後,將車牌上的字元分離,此步驟透過水平投影去除車牌上下方非字元排列之其他區域,再以垂直投影方法,分離車牌上字元。 最後字元辨識部分,本論文提出一個結合supervised K-means與Support Vector Machine的階層架構,先透過supervised K-means,將辨識字元分成子群,對於子群的字元再透過Support Vector Machine進一步分類與辨識,可以降低SVM的複雜度並提升SVM的辨識率。實驗結果顯示我們所提出的階層架構,可達98.89%之字元辨識準確率,相較於純粹使用SVM的車牌辨識技術,我們得到3.6%的辨識率改善。Item 數位遊戲結合 NFT 融入專題導向實作活動對學生基本心理需求、學習動機、學習表現及學習行為之影響(2023) 劉威成; Liu, Wei-Chen自我決定理論闡述當所處的學習環境若滿足學生的自主感、勝任感與關聯感三個基本心理需求時會產生自主動機,當學生被此種學習 動機影響時學習是快樂,且學習是更主動、表現是更好的。108 課綱 生活科技課程中的科技與應用主題讓學生透過專題導向(Project- based learning, PjBL)實作活動進行,活動中知識建構多採用講述教學,導致學生無法有效地應用所學知識至實作活動中,導致自主感、 勝任感與關聯感無法被滿足。此種情況下,也就造成學習動機低落, 學習表現不佳的情況。因此,本研究以自我決定理論為依據,滿足學生的自主感、勝任 感和關聯感三種基本心理需求為目標,採用 PjBL 策略實施課程,並 開發了一套數位遊戲,將其應用於專題導向的實作活動中。這款遊戲 不僅提供了學生許多自主學習和挑戰的機會,並運用了區塊鏈技術設 計了具有不同等級和價值的非同質化代幣(Non-Fungible Token, NFT), 作為學生競爭不同實作材料的獎勵證明。透過這樣的設計,學生在課程中的三個基本心理需求得到了滿足,同時也提升了自主動機和學習 表現。最後,研究使用行為序列分析,剖析學生在不同的學習動機和 認知狀態下產生的學習行為。綜合上述,本研究在生活科技課程中實驗組採數位遊戲結合 NFT 融入 PjBL 實作活動;而對照組採 PjBL 實作活動進行準實驗研究。 研究結果顯示實驗組學生的基本心理需求、自主動機與學習表現顯著 優於對照組;在學習行為方面,受到較佳的認知狀態和自主動機的影 響,實驗組學生表現出更多互動和建構的雙向行為。此結果進一步證 明了將數位遊戲結合 NFT 應用於生活科技 PjBL 實作活動能夠滿足 學生的基本心理需求以及產生更好的學習動機和學習表現。研究補足了以自我決定理論為基礎,在課程中結合了數位遊戲和 NFT 應用。Item 桌上型中場核磁共振系統開發與組織檢測分析最佳化應用研究(2022) 劉威辰; Liu, Wei-Chen本研究使用自行開發之中場核磁共振系統以及ez-SQUID公司開發的中場核磁共振系統,進行肝臟切片生檢法與細針抽吸之組織重量模擬量測,量測20管的正常組織(Normal Tissue)與20管的腫瘤組織(Tumor Tissue)。測量肝臟切片生檢法檢體重量約0.075 g~0.125 g、細針抽吸檢體重量約0.009 g~0.012 g,不經任何組織染色處理直接測量,量測完訊號使用快速傅立葉轉換法(FFT頻譜)以及本研究提出的強度法(Power)來分析擬合出T1弛豫時間(Relaxation time),並比較使用這兩種分析方法所測量正常組織與腫瘤組織之T1弛豫時間的差異。利用T1弛豫時間來驗證細針抽吸在微量的狀態下是否也能進行腫瘤分辨的可行性。最後測量結果發現使用強度法分析,穩定度以及準確度最好,也發現腫瘤組織的T1值大於正常組織,顯示確實能利用T1值來區分腫瘤組織。而在測量肝臟切片生檢法以及細針抽吸的靈敏度與特異度都相同,分別為85 %、100 %。說明了肝臟細針抽吸檢測上,能夠與肝臟切片生檢法有相同的檢測結果,因此證明本系統應用在細針抽吸也能清楚區分出腫瘤組織,可提供醫師們一個參考資訊。並利用AI機器學習邏輯回歸(Logistic Regression)模型將T1值用來分類並預測出正常與腫瘤組織可能的機率,提供一個區分腫瘤組織依據。關鍵字:中場核磁共振、肝臟切片生檢、細針抽吸、T1弛豫時間、靈敏度、特異度、機器學習、邏輯回歸