(44.192.10.166) 您好!臺灣時間:2021/03/06 18:59
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果

詳目顯示:::

我願授權國圖
: 
twitterline
研究生:秦揚淳
研究生(外文):CHIN,YANG-CHUN
論文名稱:人工智慧於咖啡產業之應用
論文名稱(外文):Application of Artificial Intelligence in Coffee Industry
指導教授:楊宜達
指導教授(外文):Yang,I-Da
口試委員:李孟樺江達人
口試委員(外文):Li,Meng-HuaChiang,Da-Jin
口試日期:2020-06-29
學位類別:碩士
校院名稱:中華科技大學
系所名稱:經營管理研究所
學門:商業及管理學門
學類:企業管理學類
論文種類:學術論文
論文出版年:2020
畢業學年度:108
語文別:中文
論文頁數:68
中文關鍵詞:咖啡豆深度學習卷積神經網路
外文關鍵詞:coffee beansdeep learningconvolutional neural networks
相關次數:
  • 被引用被引用:1
  • 點閱點閱:67
  • 評分評分:系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:0
對於世界各地的人來說喝咖啡已經是每天生活中必不可少的ㄧ種飲料,而咖啡豆在烘培前必須靠人力挑出瑕疵豆,以免沖煮咖啡時影響風味或產生有害物質。
本文主要針對未烘焙過的咖啡生豆來做瑕疵豆的辨識,首先利用App Inventor2開發APP來收集圖片資料並分類後,透過人工標記的方式標記瑕疵豆後,再利用人工智慧深度學習的方式讓機器訓練,以Python語言結合Tensorflow與卷積神經網路(CNN)的方式來對整個模型與各種函數與優化器來進行瑕疵咖啡豆的訓練與人工智慧辨識。
本研究最後使用python語言製作了人性化操作介面,可在介面上直接調整參數與模型,為以後發展智慧挑豆機械或是其他相關產業應用奠定基礎。

The defective coffee beans must be picked out before baking in order to avoid the bad flavor or generation of hazardous material.
In this paper, a mobile application was developed for image collection and classification of defective coffee beans. By Convolutional Neural Network (CNN) technology, the defect identification model was obtained and optimized by adjust various parameters such as loss function, batch size, etc. A general purpose CNN model building web-based application was also developed. It lays the foundation for the future development of smart bean picking machinery or other related industrial applications.

Abstract I
摘要 II
目次 III
表目錄 V
圖目錄 VI
第一章 緒論 1
第一節 研究背景 1
第二節 研究動機與目的 2
第三節 研究方向 3
第四節 研究流程 4
第二章 文獻探討 5
第一節 咖啡生豆瑕疵種類 5
第二節 類神經網路架構 11
第三節 卷積神經網路 17
第三章 實驗設計 20
第一節 系統流程圖 20
第二節 資料收集APP拍照上傳系統 21
第三節 圖片內容標記 26
第四節 模型訓練 29
第五節 類神經網路模型選擇 37
第四章 結果與討論 47
第一節 實驗成果 47
第二節 製作操作介面成果 50
第五章 結論 54
第一節 結論 54
參考文獻 55

IT邦幫忙(2017)。以100張圖理解 Neural Network -- 觀念與實踐系列。取自:https://ithelp.ithome.com.tw/users/20001976/ironman/1395
Tensorflow(2015)。Tensorflow。取自:https://www.tensorflow.org/tutorials?hl=zh-tw。
工程師日常(2018)。三大類機器學習:監督式、強化式、非監督式。取自:https://reurl.cc/GV5rAy。
于瑞源(2019)。應用卷積神經網路檢測馬鈴薯葉健康狀態。國立臺北科技大學電子工程系碩士論文,台北市。
每日頭條(2017)。數字咖啡|全世界每天喝掉16億杯咖啡,有1.25億人的工作與咖啡有關。取自:https://kknews.cc/zh-tw/food/y63vz4j.html。
李鼎中(2018)。利用卷積神經網路與平行運算過濾垃圾郵件之設計與實作。私立東海大學資訊工程學系碩士論文,台中市。
吳政德(2017)。利用卷積神經網路預測學習情緒之研究。國立中興大學資訊管理學系所碩士論文,台中市。
陳禹豪、林子政(譯)(2016)。Python程式設計「超」入門(原作者:鎌田正浩)。臺北市:旗標(原著出版年:2016)。
許明翔(2015)。具有深度學習精神之人類手勢影像辨識系統。國立臺北科技大學自動化科技研究所碩士論文,台北市。
經濟部統計處(2019)。產業經濟統計簡訊。取自:
https://www.moea.gov.tw/Mns/dos/bulletin/Bulletin.aspx?kind=9&html=1&menu_id=18808&bull_id=6099
鄭智佳(2019)。人工智慧於農產品產銷預測之應用。私立中華科技大學經營管理研究所碩士論文,台北市。
維基百科(2020)。卷積神經網路。取自:
https://zh.wikipedia.org/wiki/%E5%8D%B7%E7%A7%AF%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C
駱香雅(譯)(2018)。完美咖啡的細節:從原豆履歷、杯測口感、烘焙研磨到沖煮萃取,每個環節都精準到位(原作者:成美堂出版編輯部)。台北市:方言文化(原著出版年:2011)。

英文部分
Y. Lecun, L. Bottou, Y. Bengio and P. Haffner(1998) "Gradient-based learning applied to document recognition," in Proceedings of the IEEE, vol. 86, no. 11, pp. 2278-2324, Nov. 1998, doi: 10.1109/5.726791.

QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
系統版面圖檔 系統版面圖檔