top of page
未來展望及結論
1. 未來展望
實驗結果不論是圖片辨識度或實際連接攝像頭的效果比較下來都是YOLO-fastest的效果遠大於YOLO4-tiny,訓練出來的權重檔YOLOv4-tiny為22.4MB,YOLO-fastest為1.2MB,以未來要放在小型工業電腦為前提,YOLO-fastest也是佔優勢,雖然實際應用上的效果還不錯,但在評估數據方面兩者的表現都不是很好,還有很大的進步空間,我們認為目前YOLO-fastest是可以拿來實際應用,但在優化數據還是要加點功夫,試試不同的參數組合,訓練出最佳辨識模型。再來就是結合舵機雲台、噴水頭以及webcam,並針對不同地形來改良硬體的組合以及安裝模式,來模擬真實驅猴的狀況。
2. 結論
有關動物侵害人類居住環境或農作物的事件,不只是台灣才會發 生而已,在國外也有野生動物攻擊民眾、私闖民宅以及交通事故 的事件頻傳,例如澳洲的野生袋鼠私闖民宅,讓居民人心惶惶, 而當今對於這類事件的對應手段也有限,動物也是寶貴的生命, 不可能說撲殺就撲殺,所以除了電網、閃光彈這類的防護手段, 我們也希望可以有一個完整的系統可以降低這類的事件發生,以 不過度傷害自然環境,和動物們共生共存。在世界各地也越來越 多在這方面的影像辨識應用,而我們的系統未來也會逐步增加其 他危害性較高動物,例如熊、袋鼠、野豬等動物,或鳥類、魚類 等等讓我們的系統可以運用在更多的情境,也可以受惠更多的人 們。
bottom of page