程式語言與影像處理
- Python
- OpenCV
以 Python 串接影像處理與模型流程，OpenCV 負責影像資料的取得及處理。將現場畫面整理成模型可使用的輸入，再把偵測結果帶回應用邏輯。
技術應用情境示意
Jetson NanoYOLOv5MQTTOpenCVPython
THE CHALLENGE
解決的問題
現場視覺辨識需要同時整合模型、設備效能、影像資料與作業流程。
WHAT WE DELIVER
交付成果
- 01Jetson Nano 邊緣模型部署
- 02YOLOv5 作業異常偵測
- 03OpenCV 影像處理與 MQTT 訊息串接
成果與技術價值
完成工廠場域的即時視覺偵測整合，將 AI 模型落實到設備端執行。
技術架構與實作
把工廠影像、物件偵測與訊息通訊整合到邊緣設備，讓 AI 模型可以在現場執行，並將辨識結果銜接作業系統。
視覺模型與推論
- YOLOv5
- 物件偵測
以 YOLOv5 進行工廠作業影像中的物件偵測，銜接異常判斷情境。整合工作同時考量模型輸入、輸出資訊與設備執行條件，將視覺辨識轉為可使用的功能。
通訊協定與訊息交換
- MQTT
- 發布／訂閱
以 MQTT 串接設備與應用的訊息交換，使用發布與訂閱方式傳遞辨識相關資訊。把影像推論與訊息服務分工，讓偵測結果能進入後續的現場作業流程。
邊緣設備與部署
- Jetson Nano
- 邊緣 AI
在 Jetson Nano 部署模型並整合 OpenCV 與 MQTT。工程範圍涵蓋設備效能、影像資料及模型執行環境，完成從視覺輸入到辨識結果輸出的現場整合。
系統運作流程
- 01
取得並處理影像
由影像流程提供現場畫面及模型輸入。
- 02
在設備端執行偵測
以 YOLOv5 取得辨識結果，銜接異常情境。
- 03
發布辨識訊息
透過 MQTT 把結果傳入應用與作業流程。
案例依產業與技術成果呈現，客戶與專案識別資訊已去識別化。