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 - 3 of 3
  • Item
    基於深度學習之職安監測系統開發
    (2023) 王千瑞; Wang, Chien-Jui
    在台灣,每年施工造成意外的比例與職業傷害皆位居前茅,對勞工的生命與產業的生產力造成重大影響,其中勞工不安全行為是意外發生的首要原因。防制此行為的傳統方式是在施工現場架設監視器或派人監工,但由於人力問題,監督的效果與效率並不理想,基於此本研究開發以深度學習為基礎之職安監測系統來協助施工現場的職安管理。科技的進步大幅提升影像辨識能力與速度,本研究利用經過模型架構優化和訓練過程優化的新穎物件偵測器YOLOv7,針對施工現場影像進行訓練並建立職安狀態辨識模型後,對施工中的影像進行偵測,將未符合職安規定的事件篩選出來,最後將辨識結果以LINE Notify即時通報。與YOLOv5演算法進行比較,YOLOv7模型在演算法有改進之外,本研究透過訓練資料集的修正與增加以及模型的重新訓練等方式改善職安監測系統的辨識能力,使模型的mAP提升了約4%。本研究所建立的辨識模型在訓練階段的最佳[email protected]高達0.98,此高[email protected]表示可減少誤報與漏報情況的發生。誤報率太高會造成現場施工的困擾,並對通報失去信心;漏報率太高代表違反職安事件的偵測效果不彰,此將影響即時預警的功能。高[email protected]所帶來的效益將提升施工現場的安全管理,減少意外的發生,強化本研究在產業實務應用的可行性與價值性。
  • Item
    基於深度學習與物聯網之道路施工職安監控系統
    (2022) 游孟修; Yu, Meng-Hsiu
    目前新北市、台北市、桃園市、高雄市在道路挖掘施工時皆規定需要在 工地架設攝影機來即時錄影監控,本研究為了能監控攝影模組的狀態,透過 SSTP 與攝影模組的路由器建立連線以取得溫度、電壓等數值,再使用 Node.js 建立監控平台,記錄攝影機的運作狀態,並偵測回傳的數值,若發現異常狀 態,則使用 Line Notify 推播,以降低監控人員需要觀看螢幕的時間,並更容 易找出設備異常的可能原因。此外,本研究運用 YOLOv5 深度學習之方式建立職安狀態辨識模型, 並與其他物件偵測演算法比較。使用模型即時對施工監控影像進行物件偵測, 記錄違規的樣態,如未配戴安全帽或未配戴反光背心的施工人員,系統將違 規的時間點記錄下來,若超出一定的時間範圍就以 Line Notify 推播,期望減 少施工時發生意外的可能性。
  • Item
    基於深度學習之路面破損檢測
    (2021) 章皓鈞; Chang, Hao-Chun
    目前國內的道路維護方式多為定期派遣工程車檢測以及依賴人民的通報,而為了盡早的發現道路損壞並進行修復,本研究運用Mask R-CNN深度學習之方式建立道路破損辨識模型。透過Mask R-CNN深度學習演算法,以及運用python 、OpenCV撰寫進行道路破損檢測與資料整合,持續的分析模型數據並根據結果進行再訓練。利用路面破損辨識模型檢測出路面上的龜裂、裂縫、補綻、變形以及坑洞,並在龜裂、裂縫、補綻、變形達到86%以上的召回率,精確率除了裂縫、坑洞之外有82%以上,此外對檢測出來的破損範圍進行面積計算,為日後養護維修提供面積的量化指標,進而輔助人力巡查作業。