AI視覺辨識

AI的深度學習是透過神經網路（Neural Network）的方式來運作，神經網路與人類腦運作的方式相仿，運作方式是透過一個神經元連著一個神經元傳遞訊號，人腦與深度學習的差異在於人腦輸入的是生物電流，深度學習則是輸入參數，包含資料參數、權重（weight），及誤差（bias）等，深度學習的路徑為資料蒐集與擷取→特徵擷取資料來建構模型自學→模型運算後得到答案，與傳統深度學習不一樣，特別是在特徵擷取的部分，交由神經網路處理，透過反覆運算逐漸產出關鍵的特徵，且不斷改進模型本身權重，最後產生預測模型。值得一提的是，這個步驟仰賴大量的反覆運算，也就是為什麼深度學習領域到這幾年隨著運算單元(GPU) 技術的突破，才加大應用領域。

本計畫運用深度學習的特性，識別循環材料物流過程中的物料影像，在辨識物料的判別中，需要考慮到物料所處的環境在於雜訊與干擾複雜的室外環境，例如: 物料在運輸過程中產生晃動以致影像模糊、天候因素導入影片判別受到干擾等問題，因此透過本計畫開發的減少雜訊的前置處理之技術，例如: 去除粉塵、雨滴，及其他干擾因素等，後續才進行AI深度學習的訓練。深度學習搭配前置處理的技術，用以提升物料影像辨的識準確度。