力利冷氣mobile01的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列包括價格和評價等資訊懶人包

基於無人機與深度學習的建築外牆磁磚劣化分類與剝落面積計算模型之建構

為了解決力利冷氣mobile01的問題，作者孔仁奕 這樣論述：

台灣目前進入一個建築物老化的時代，颱風與極端氣候等自然因素影響及工程施工品質不良、使用管理維護不當等人為因素的影響，導致建築物外牆磁磚脫落砸傷路人，而經常造成危害公共安全之事件，為避免此類憾事發生，因此建築外牆自動化檢測就顯得十分重要的，這不僅是維護建築物本體的安全，亦是維護住戶與行人之安全。本研究使用無人機與深度學習進行外牆磁磚劣化自動化檢測分類模型的建構，共選取了5,680張圖像作為模型訓練之數據集，採用經典的卷積網路VGG-16來進行模型訓練，訓練後分類模型測試結果，平均精確率為 88％，平均召回率為86%。外牆磁磚劣化自動化檢測分類後，針對剝落的外牆磚要進行維護修繕，其整體評估是至關

重要的，故再利用無人機拍攝外牆磁磚剝落之照片，經篩選後，選用500張照片作為訓練集之用，再採用VIA-2.0.8軟體，對500張外牆磁磚剝落照片，剝落之位置進行人工標註，共標註127,177個標註框。採用卷積神經網路Faster R-CNN作為研究模型，為了使訓練準度提高，將每張原始圖片切分12張，共6,000 張作為訓練集之用，經過456小時及200次的訓練後，完成收斂。運用卷積神經網路建立計算剝落面積模型，經過資料收集、彙整、標註、模型訓練、驗證及測試，以500個錨點（預選框）為最符合效益與效果，並最終導出預測磁磚剝落面積公式為 h × λ × w × λ 。運用無人機進行外牆檢測，在整

體費用上相對便宜，並且具有更高的移動性、節省檢查時間、操作更加容易、準確度亦不會因個人經驗或技能而有所差異，更能消弭檢查人員高空作業之危險因子，以達到檢查快速與修繕費用預估之自動化檢測目標。

基於Groov邊緣控制系統建置智慧會議室

為了解決力利冷氣mobile01的問題，作者吳方霽 這樣論述：

智慧建築(Intelligent Building ,IB)之發展源於1980年代建築設備系統各自獨立，到了1990年代起逐漸整合設備系統之自動化技術，而應用於建築物之設備自動控制與維護管理，能夠即時察覺建築物之設備狀態，進而使物業人員即時統整管理。本論文以智慧建築和物聯網概念，主要包含領域為邊緣運算、智慧會議室、設備維護管理等，建置「智慧會議室」(Smart Conference Room) ，導入遠端管理系統，可降低維護人力，採用Groov opto22工業級可編程邊緣控制系統，擬將照明和空調搭配調光器、空氣品質感測器，配合環境需求進而連接至控制系統，打造以使用者感受為主，使空間舒適度和

空氣品質提高，建立一鍵情境切換智慧化照明與空調。物聯網的發展逐漸成熟，將建築設備經由邊緣運算控制系統連上網路，邊緣運算具有低延遲性，允許在數據源附近實時收集、處理、監測和交換數據，本系統可在微控制器端即可控制，進而減少處理時間，探討以智慧、實用性、節能為主軸，透過本研究實踐智慧會議室系統，建立符合智慧會議室需求，同時透過情境式設計因應多元工作模式，也可透過數據分析，了解其使用頻率和狀態，進而調解空間整體耗能，使會議室具有多功能性質，亦能當休息室、辦公室、討論室等機能，因此可藉由會議室探討適性應用多功能空間，以創造最大化運用。