讓辨識模型接上使用情境
工廠邊緣 AI 視覺工作整合 Jetson Nano、YOLOv5、OpenCV 與 MQTT，將模型部署、影像處理及訊息通訊串成現場異常偵測流程。工程重點是讓影像輸入、辨識結果與設備訊息能共同運作。
由公開導航研究延伸視覺與語意服務
核心團隊參與的視障者巨觀導航研究，已以「Use Learnable Knowledge Graph in Dialogue System for Visually Impaired Macro Navigation」公開發表。相關工程經驗結合場景辨識、語意服務與知識圖譜；輔助導航的既有技術範圍包括 YOLOv4、Google AI Cloud 與 Dialogflow。
累積不同辨識任務的工程能力
犬隻影像識別工作運用 Python、Keras、TensorFlow 與 Siamese Network，處理寵物保險情境中的識別需求。這些工作共同累積影像資料處理、模型應用、邊緣設備與服務串接能力，成為桔果評估不同視覺任務的技術基礎。
成果重點
- 工廠邊緣設備與異常偵測
- 場景辨識與輔助導航服務
- 犬隻影像識別與模型應用