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。