日期

課程名稱

師資

時間

課程內容大綱

DAY1
12/10(三)

傳統視覺工具使用(OPENCV)
(8小時)

百兆鍶國際有限公司 應用工程師 蘇泓舉

南臺科技大學機械系 王聖禾副教授

上午

    環境建置與基礎入門

• 軟體環境準備：安裝與設定Python開發環境與OpenCV函式庫。
• 機器視覺基礎觀念：理解圖片在電腦中的表示方式（像素、色彩通道）。
• 程式入門：學習基礎Python語法（變數、迴圈、函數）與開發環境操作。

技術實作

下午

   OPENCV實戰演練

• 影像品質處理：應用色彩空間轉換與濾波技術，改善影像品質、去除雜訊。
• 特徵提取核心技術：實作邊緣檢測與輪廓提取，讓電腦能「描繪」出物件外形。
• 形狀與尺寸量測：利用輪廓分析，進行物件形狀特徵分析與尺寸量測。
•  光源基礎與實作：介紹不同光源條件對影像的影響，學習基礎影像對比度增強技術。
  

技術實作

DAY2 12/11(四)

機器學習分類器應用
(8小時)

百兆鍶國際有限公司 應用工程師 蘇泓舉

南臺科技大學機械系 王聖禾副教授

上午

    機器學習分類器範例演練

• 機器學習在視覺中的定位：理解傳統視覺（規則判斷）與機器學習（複雜判斷）的差異與結合應用 。
• 分類器概念：白話解釋機器學習「分類」的原理，例如：良品與不良品的判斷機制。
• 檢測資料準備：學習如何進行檢測目標影像資料的收集與整理。
• 範例實作觀摩：觀摩使用簡單機器學習模型（如：SVM/KNN）進行圖片分類的流程。

技術實作

下午

   機器學習分類器實作應用

• 特徵工程：如何從圖片中提取出有效的「特徵」供分類器學習。
• 分類器訓練實作：動手操作一個基礎機器學習分類器，進行分類訓練與模型效能評估。
• 模型評估指標：了解準確率、召回率等指標，判斷分類模型在實際應用中的表現。
• 實務應用討論：討論如何將分類器應用於電子零件或複雜表面等難以用傳統方式檢測的場景。

技術實作

DAY3
12/17(三)

YOLO 視覺應用
(8小時)

百兆鍶國際有限公司 應用工程師 蘇泓舉

南臺科技大學機械系 王聖禾副教授

上午

    YOLO 模型範例訓練

• YOLO物件檢測原理：理解YOLO（You Only Look Look Once）模型的優勢與在工業中的應用價值
• 資料標記與準備：學習專業標註工具的使用，對檢測目標進行精確的「畫框與標籤」資料標記。
• YOLO模型配置：介紹YOLOv11（或最新版）的模型架構與訓練配置檔案設定。
• 模型訓練流程：啟動並監控YOLO模型的訓練過程，學習如何調整參數提升訓練效果。

技術實作

下午

    YOLO 模型課堂專題製作

• 模型效能評估：學會使用mAP等關鍵指標來測試與驗證YOLO模型的精準度。
• 即時檢測系統部署：將訓練好的YOLO模型載入程式中，實作即時物件（瑕疵）偵測介面。
• 實戰專題：應用YOLO模型進行零件缺陷或文字識別（OCR）的定位與檢測 。
• 專案成果展示與優化：各組展示專題成果，並討論模型在不同硬體上的部署與優化策略。

技術實作

DAY4
12/18(四)

Google AI 模型應用 (MediaPipe)
 (8小時)

百兆鍶國際有限公司 應用工程師 蘇泓舉

南臺科技大學機械系 王聖禾副教授

上午

    Google AI MediaPipe 演練

• MediaPipe簡介：認識Google MediaPipe框架，了解其在快速建立人臉、手勢、姿勢等高階視覺應用方面的優勢。
• 手部地標偵測：實作MediaPipe Hand模組，即時追蹤手掌與手指的關鍵點，為手勢控制打下基礎。
• 人臉偵測與追蹤：快速實現人臉偵測與臉部特徵點定位，應用於人機介面或安全系統。
•  姿勢地標偵測：應用MediaPipe Pose模組，實作全身姿勢的即時分析，可用於工廠操作SOP監控。

技術實作

下午

    Google AI MediaPipe 課堂

     專題製作

• 專題構思與設計：基於MediaPipe的現有功能，構思一個快速部署的視覺應用專題。
• 實作：人機互動應用：利用手勢或姿勢偵測的結果，開發一個模擬的控制介面，例如：用手勢切換產品線狀態。
• 結果資料輸出：學習如何將MediaPipe偵測到的結果（如座標、指令）輸出，為系統整合準備。
• 系統整合概念討論：討論如何將此類AI模型整合至完整的檢測系統或與PLC等工控設備進行溝通（觀摩或概念講解）。

技術實作