Everdrone搭載七台Intel RealSense D435的空拍機 [圖片來源](點擊圖放大) |
OmniXRI (Omni-eXtened Reality Interaction) 歐尼克斯實境互動工作室是一個全方位電腦視覺、實境互動、邊緣計算及人工智慧技術的愛好者及分享者,歡迎大家不吝留言指教多多交流。 這裡的文章大部份是個人原創,如有引用到他人內容都會註明,若不慎疏漏侵犯到,煩請儘快通知,我們會儘速處理。當然這裡的資料也歡迎引用及推廣,煩請註明出處(網頁網址),謝謝!
網頁
▼
2020年6月29日 星期一
空拍機一次裝七台Intel RealSense D435根本是炫富吧?
Intel最近和空拍機知名廠商Envrdrone一起合作了一個專案,用了6+1台(六台環景360度加一台向下)Intel RealSense D435裝在空拍機上,用於載送AED到指定位置作為急救心臟病患者使用。AED(Automated External Defibrillator),又稱為「自動體外心臟電擊去顫器」,是一台能夠自動偵測傷病患心律脈搏、並施以電擊使心臟恢復正常運作的儀器。
2020年6月22日 星期一
【課程簡報】AIGO社群交流會#3_後疫情時代人工智慧如何助攻疫情控制
很高興今天受AIGO及MakerPro邀約和大家分享「後疫情時代人工智慧如何助攻疫情控制」這個題目。雖然台灣疫情暫時不受全世界影響,但此次分享會仍採線上直播模式,讓我當了一回Up主,沒有現場觀眾,實在是一次有趣的經驗。
此次分享主要包括人工智慧在疫情各階段能施力的情境介紹,而重點更放在下列四個項目:列管人員定位、遠端居家照護、社交距離偵測及經濟活動預測。
更完整內容請參見下列簡報。(點擊圖放大)
此次分享主要包括人工智慧在疫情各階段能施力的情境介紹,而重點更放在下列四個項目:列管人員定位、遠端居家照護、社交距離偵測及經濟活動預測。
更完整內容請參見下列簡報。(點擊圖放大)
2020年6月20日 星期六
歐尼克斯實境互動工作室部落格瀏覽破二十萬
本工作室部落格自2017/11/8成立至今約二年半,感謝大家不嫌棄,今天(2020/6/20)點閱數突破二十萬大關,值得竊喜一番。雖然這不是什麼太大的成就,但對我是非常大的鼓勵,希望後續能持續輸出來報答願意花時間看我文章的網友。
小弟今年(2020/5/2)成立了一個FB社團「Edge AI Taiwan邊緣智能交流區」,專門討論小型AI應用,期望未來有更多能放進口袋、用電池就能執行的AI平台及相關應用,歡迎有興趣的朋友一起加入我們。
https://www.facebook.com/groups/2603355889951761/
小弟今年(2020/5/2)成立了一個FB社團「Edge AI Taiwan邊緣智能交流區」,專門討論小型AI應用,期望未來有更多能放進口袋、用電池就能執行的AI平台及相關應用,歡迎有興趣的朋友一起加入我們。
https://www.facebook.com/groups/2603355889951761/
2020年6月19日 星期五
【AI HUB專欄】如何利用時序型資料異常偵測提昇智慧製造成效
圖/文 歐尼克斯實境互動工作室 許哲豪 2020/6/11
在智慧製造領域中,異常偵測(Anomaly Detection, AD)的種類非常多,在上一期「導入AI異常偵測技術讓傳產也能邁向智慧製造」[1]中已初步幫大家介紹了如何在只有正常生產資訊下利用非監督式學習的「一元分類(One Class Classification, OCC)」來進行異常偵測,本期內容將繼續延伸至時序型的異常偵測(Time-Series Anomaly Detection)。
在介紹如何偵測時序型資料異常之前,先幫大家科普一下時序型資料的基本性質。時序型資料是將觀測值依固定時間隔取得並記錄而得,多半具有連續性而非隨機值(如語音資料)組成,如各種感測器(溫度、濕度、亮度、重量、馬達轉速等)、股匯價、零售銷售金額、交通流量等等。當連續取得一定數量(時間長度)資料後,便有機會建立預測模型或分析出異常工作範圍。
2020年6月17日 星期三
【心得筆記】Saving 95% of your edge power with Sparsity to enable tinyML
2020年6月5日 星期五
【AI HUB專欄】導入AI異常偵測技術讓傳產也能邁向智慧製造
圖/文 歐尼克斯實境互動工作室 許哲豪 2020/5/28
古人常說「鶴立雞群」來表示某人的才華出眾,高於常人,不同凡響。但如果這句話套用在製造業時則可能會讓生產者和消費者都不太高興,因為沒有人想拿到一個超出(或不足)生產標準的瑕疵品。因此如何穩定生產,即時找出異常生產數據的「異常偵測(Abnormal Detection, AD)」[1]技術就成了「工業4.0」及「智慧製造」不可或缺的一項技術指標。
目前有很多產業及領域都可以運用人工智慧(Artificial Intelligence, AI)或機器學習(Machine Learning, ML)技術來進行「異常偵測」,包括像網路資安入侵、股匯交易、電商消費、金融盗刷、保險詐欺、醫學生理訊號、生產設備運作及環境感測等。而智慧製造領域中,如馬達(速度、電流、雜音)、震動、溫度、噪音及亮度都是需要被長期監測的。另外進階的電腦視覺(Computer Vision, CV)或自動光覺檢測(Automated Optical Inspection, AOI)系統更是生產品質控管的最佳幫手。這麼多領域所需要的異常偵測技術各有不同,無法一次道盡,本文將先針對傳統加工製造業最常遇到一元分類(或稱一類分類)(One-Class Classification, OCC)異常偵測開始說起。
古人常說「鶴立雞群」來表示某人的才華出眾,高於常人,不同凡響。但如果這句話套用在製造業時則可能會讓生產者和消費者都不太高興,因為沒有人想拿到一個超出(或不足)生產標準的瑕疵品。因此如何穩定生產,即時找出異常生產數據的「異常偵測(Abnormal Detection, AD)」[1]技術就成了「工業4.0」及「智慧製造」不可或缺的一項技術指標。
目前有很多產業及領域都可以運用人工智慧(Artificial Intelligence, AI)或機器學習(Machine Learning, ML)技術來進行「異常偵測」,包括像網路資安入侵、股匯交易、電商消費、金融盗刷、保險詐欺、醫學生理訊號、生產設備運作及環境感測等。而智慧製造領域中,如馬達(速度、電流、雜音)、震動、溫度、噪音及亮度都是需要被長期監測的。另外進階的電腦視覺(Computer Vision, CV)或自動光覺檢測(Automated Optical Inspection, AOI)系統更是生產品質控管的最佳幫手。這麼多領域所需要的異常偵測技術各有不同,無法一次道盡,本文將先針對傳統加工製造業最常遇到一元分類(或稱一類分類)(One-Class Classification, OCC)異常偵測開始說起。