漢亞科技 Han-Ya

        工廠生產設備遇到網路化的問題，偏偏產線設備不具有網路端口，這時候可以使用 RS-232 to Ethernet 模組來解決，下圖一所示。有些設備不具有網路，只要將下圖的模組 RS-232 配置設定好後(圖四)，設備與模組間就算搞定了，接下來再設定網路模式。
 

        什麼叫「預訓練模型」？事先透過大量的數據集訓練網路模型，這樣所獲得的模型結果可稱為預訓練，不過生成的模型算是一種通用的模型。比如一個分類的模型，大量被標註的數據集輸入到網路模型經過訓練後，這樣的預訓練模型或許能做到分類工作，但不見得能做得特別精準。所以說它只是一種通用模型，如果想要讓它分類更精準，那就得用自己的數據集再做 fine tune。
        在百度的 PaddleHub 平台上 https://github.com/PaddlePaddle/PaddleHub 提供不少預訓練的模型庫，底下圖一列出了部分網路模型。百度本身擁有不少數據集，適合拿來預先訓練各類網路模型，像是人體關鍵點檢測用到 ResNet50 的模型，目標檢測用到 YOLOv3 模型做訓練，我們身為初學者可以直接拿這些模型庫來做測試，基本上都有不錯程度的效果。不過，如果要針對某特定領域做檢測，可能會覺得精準度還不足。

        OCR 圖形轉文字的識別技術也是架構在深度學習的理論之上，是人工智慧的應用之一。OCR 技術的辨識過程分成三部分：文本偵測、文本識別、文字分類，每一部分都用到神經網路模型來訓練。本文不打算講模型訓練的過程，而是介紹訓練後的網路模型如何部署到應用端，在 Windows 上的 OCR 軟體如何開發。就核心基礎來說，神經網路的模型是基於百度的 PaddleOCR 所訓練得來，它在 Github 上有開放原始碼，除了用百度的模型之外，也可以自建模型訓練。訓練後，百度提供一套推理模型部署的方法，根據技術文件的步驟操作可以在 Windows 環境下編譯出 OCR 的應用程式，不過文件操作還是以 Linux 環境為主。底下我把在 Windows 的編譯過程寫下來。

        近年來，人工智慧 AI 的浪潮持續發酵，然而，實際上AI的定義和運作方式並不容易說得清楚。AI是一個廣泛的領域，涵蓋了各種技術和應用，其核心目標是讓機器模仿人類的智能和學習能力。就技術的角度而言，確實需要具備並累積相當多的數學背景知識，例如微積分、機率、線性代數、矩陣行列式...等，這些知識是理解機器學習 ML 的理論基礎不可或缺的要素。在機器學習中，數學扮演了關鍵的角色，它們構成了算法和模型背後的數學原理，幫助我們解釋和理解機器學習的運作方式。熟悉這些數學概念和技巧，有助於更深入地探索機器學習領域，並設計出更有效和強大的學習模型。前一篇[1] 大略整理了人工智慧 AI、機器學習 ML、深度學習 DL 三者的關係，然而，深度學習的技術發展才是真正推動人工智慧在應用面取得大幅進展的主要因素。深度學習以類神經網路為基礎搭配硬體的高效運算能力，進一步改進了許多應用領域，如圖像識別、語音辨識、自然語言處理...等。這些技術的突破性進展使得人工智慧應用的範疇不斷擴展，並為許多行業帶來了革命性的變化和創新。

        「人工智慧」是一個很熱門的話題，不過就技術而言它已經存在已久。最近，我非常專注地閱讀了百度的 Paddle 飛槳網站 https://www.paddlepaddle.org.cn/ 有關人工智慧技術的內容，我覺得它非常清楚地解釋了人工智慧、機器學習和深度學習之間的關係。因此，我特別把這些內容整理起來。從下圖一來解釋這三者的關係，人工智慧 AI 可以被視為應用於各個領域的一種技術，其需要依賴於機器學習 (ML：Machine Learning) 的方法。機器學習技術可以分為兩種主要形式，即早期的傳統學習技術和現代的深度學習技術 (DL：Deep Learning)。

        GMap.NET 是一個功能強大的地圖繪製套件，用於 WinForm 應用程式並載入 Google 地圖。由於 Google 地圖本身提供 API 函數讓第三方使用，而 GMap.NET 套件將這些 Google 地圖的函數封裝起來，組成一個 .NET 環境下開發的函數庫，方便用 C# 語言開發地圖繪製與標示的功能。

        前面的文章介紹 Emgu.CV 套件如何擷取網路攝影機 IP CAM 的影像 https://han-ya.blogspot.com/2023/06/emgucv-opencv.html，延續前文的操作，我們利用 Emgu.CV 提供的函數庫將影像錄製成檔案，如下圖一所示。新增一個錄影的按鈕，當擷取影像的同時，也將影像儲存成檔案。

        Emgu CV 是一套處理影像的跨平台套件，它將 OpenCV 的影像處理函數庫透過 .Net 核心封裝成 Emgu CV。從 2008 年開始 Emgu 開發出 1.2 版本，2009 年推出 2.0，到了 2015 年進展到 3.0 版本，2019 年進到 4.0 版本，目前已經來到 4.7 的版本號了。最新的 Emgu 可以支援 Windows、Linux、iOS、安卓...等各種平台，並且提供 C#、C++、VB.NET 等語言的範例程式碼，開發編譯的環境則需要 Visual Studio 2017 以上的版本。

        最近拿到一塊 NXP LPC55S69 開發板，準備開發 USD + SD 存取，板子被包裝在下圖的盒子內，盒子封面印有這塊開發板的官方網路連結。根據技術文件的介紹，這套開發板大約是2020年上市了穩定版本，官方規畫這顆 MCU 主要應用於工業物聯網 IOT ﹑自動化﹑診斷設備...等領域。




圖一：LPC55S69 開發板的包裝盒

        ESP32 模組具有 WiFi 和藍芽無線的功能，沒有鍵盤與螢幕的環境，要如何配置模組的 WiFi 連線方式呢？在樂鑫科技所著的 『ESP32-C3物聯網工程開發實戰』 一書中給了三種配置無線網路連線的方式，分別是：SoftAP配網﹑一鍵配網﹑藍芽配網。書中還提到另一種透過路由器的 WPS 方式配置網路參數，但是 WPS 功能逐漸被路由器所關閉，所以這裡就不討論 WPS 方式。