機電工程學系

Permanent URI for this communityhttp://rportal.lib.ntnu.edu.tw/handle/20.500.12235/84

系所沿革

為迎合產業機電整合人才之需求,本校於民國 91年成立機電科技研究所,招收碩士班學生;隨後並於民國93年設立大學部,系所整合為「機電科技學系」,更於101學年度起招收博士班學生。103學年度本系更名為「機電工程學系」,本系所之發展方向與目標,係配合國家政策、產業需求與技術發展趨勢而制定。本系規劃專業領域包含「精密機械」及「光機電整合」 為兩大核心領域, 使學生不但學有專精,並具跨領域的知識,期能強化學生之應變能力,以適應多元變化的明日社會。

教學目標主要希望教導學生機電工程相關之基本原理與實務應用的專業知能,並訓練學生如何運用工具進行設計、執行、實作與驗證各項實驗,以培養解決機電工程上各種問題所需要的獨立思考與創新能力。

基於建立系統性的機電工程整合教學與研究目標,本系學士班及研究所之教育目標如下:

一、學士班

1.培育具備理論與實作能力之機電工程人才。

2.培育符合產業需求或教育專業之機電工程人才。

3.培育具備人文素養、專業倫理及終身學習能力之機電工程人才。

二、研究所

1.培育具備機電工程整合實務能力之專業工程師或研發人才。

2.培育機電工程相關研究創新與產業應用之專業工程師或研發人才。

3.培育具備人文素養、專業倫理及終身學習能力之專業工程師或研發人才。

News

Browse

Search Results

Now showing 1 - 1 of 1
  • Item
    基於長短期記憶網路的疲勞檢測
    (2022) 高國瑋; Gao, Guo-Wei
    本論文重點介紹即時疲勞檢測流程。該系統將在 Python 內部完成這一切,並逐步構建它,以便能夠檢測到不同的姿勢,特別是困倦的跡象。 為了做到這一點,我們使用一些關鍵模型並使用 MediaPipe Holistic 來提取關鍵點。 這將使我們能夠從臉部提取關鍵點。 該系統使用 Tensorflow 和 Keras,並建立了一個長短期記憶模型 long short-term memory(LSTM),能夠預測螢幕上顯示的動作。我們需要做的是收集關於我們所有不同關鍵點的一些數據,所以我們收集我們臉上的數據並將它們保存為 Numpy 數據,以便處理多維的陣列或矩陣。人臉檢測方法基於一個深度神經網絡,使用 Sklearn 進行評估和測試,並使用 Matplotlib 幫助進行圖像可視化。能夠從臉部檢測到 468個地標,提取臉部的重要特徵並對數據進行變換,以便將數據導入 LSTM 模型。使用 LSTM 層繼續並預測時間分量,它能夠從多個幀預測動作,而不僅僅是單個幀。使用 Opencv 進行集成,然後使用網路攝影機進行即時預測。本研究成功使用 MediaPipe 與 LSTM 模型相結合,提出一套疲勞檢測的系統。實驗結果顯示,經機器學習後其檢測平均準確率能達到 90%。