Eclipse Cross wiki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

IoTtalk AA 子系統與帳號子系統設計與實作

為了解決Eclipse Cross wiki的問題，作者張彧豪 這樣論述：

近年來，物聯網已經為我們的生活帶來極大的便利性。然而，伴隨便利性所產生的安全性問題也困擾著我們，如何在提升便利性的同時也保證其安全性是當前物聯網相關產業開發者的一大課題。對此，我們開發了Authentication and Authorization子系統 (AA 子系統)。AA子系統是一個實作在 IoTtalk 物聯網平台中的子系統。該子系統管理每一個與 IoTtalk 連線的物聯網裝置所使用的安全性資訊及權限，在其幫助下，每個物聯網裝置都會有一組連線時須使用的安全性資訊，稱之為「Connection Credential」。IoTtalk 也透過 AA 子系統為不同的 IoT devic

e 制定 permissions，稱之為「Permission Rules」。以AA子系統管理的 connection credentials 及 permission rules 並配合「Mosquitto」內建的存取控制功能，可以確保惡意的物聯網裝置不影響正常的物聯網裝置並同時保證使用中的裝置不會互相干擾。同時，我們利用「OAuth 2.0」與「OpenID Connect」開發集中式帳號子系統，提供使用者以單一帳號密碼即可存取各項以 IoTtalk 為基礎開發的物聯網服務。在本論文中，我們會描述AA子系統是如何管理物聯網裝置使用的安全性資訊、權限以及集中式帳號系統的實作細節。

應用於智慧農業之輕量化物件偵測神經網路設計

為了解決Eclipse Cross wiki的問題，作者程垣維 這樣論述：

近年來，隨著物聯網和AI深度學習的技術蓬勃發展，使得物與物之間的通訊越來越容易，以及影像資料越來越豐富。應用在智慧農業上，透過感測器來遠端監控農作物的資訊，以及攝像頭來檢測葉片的生長健康狀態，有效提升農業的生產力及品質。然而，大部分的物件偵測演算法，像是YOLOv4神經網路架構，在準確率方面能夠達到很高的水準，但是架構參數量過於龐大，導致部署在邊緣運算設備上無法即時處理。為了解決這個問題，本論文目的是將架構輕量化，並且在準確率和檢測速度之間有很好的權衡，於是將輕量級神經網路MobileNetv3取代原本的骨幹神經網路，以及利用深度可分離卷積使架構更加輕量化，因此本論文提出了不同寬度的Mobi

leNetv3-YOLOv4架構，來檢測柑橘葉片病狀。實驗結果顯示，與YOLOv4架構相較之下，最輕量的MobileNetv3-YOLOv4架構，參數量可減少5.65倍，FPS(Frame per second)為29.48，每秒增加38.14%幀數，準確率為97.74%，調寬後的MobileNetv3-YOLOv4-width1.4架構為效益最高的架構，參數量可減少4.55倍，FPS為28.87，準確率提升至98.84%，準確率最高的MobileNetv3-YOLOv4-width1.8架構，參數量可減少3.65倍，FPS為27.91，準確率達到99.65%。另外透過MQTT物聯網傳輸協議可

有效管理各個農場所關注的內容，以及負責將設備與設備之間的訊息傳輸。