資料分析及軟體研發經驗8年以上,研發主管經驗4年以上, 產業結合經驗豐富。具備專案管理、跨領域研發、前瞻技術分析能力,且在自然語言(NLP)、影像深度學習(CV)、資料探勘、機器學習、統計建模、軟硬體系統整合(偏軟體)上具有獨立研發能力。
Taipei,Taiwan
0920-560385
1. 負責壓力感測訊號演算法開發,應用於醫療電子產品,提供預防跌倒事件、壓瘡輔助、離床偵測、病人生理監控等功能開發。
2. 負責專利佈局及管理。
1. 負責AI專案進度管理,如研發流程規劃、人員工作項目規劃,RD管理人數達3人,含外包人員達10人。
2. 負責AI專案技術分析、數據需求評估及試驗設計、演算法研發、模型評估及最佳化、跨平台軟體開發、模型上線部署及維運。
3. 負責試驗場域部署及數據收集專案管理,含試驗場域尋找、與合作廠商溝通及協商、時程及人員安排追蹤、試驗場域部署。
4. 跨部門專案合作。
視覺體況評分專案
智能行走秤重專案
視覺盤點專案
負責前瞻技術分析提案、新專案試驗設計、技術分析及執行規劃、演算法及軟體研發。
資料探勘、大數據分析、生物影像處理、高通量、演算法、物件導向、JAVA 程式設計、Android程式設計
研究領域: 透過資料探勘和機器學習 分析 如醫學影像、次世代定序(RNA-seq、Chip-seq)、胜肽序列等生物醫學數據,並且開發特徵萃取及特徵選擇所需演算法和工具。
研究領域 : 動物飼養與管理、肉品蛋品加工、生物安全
1. 瑕疵根因分析與製程參數最佳化,應用超解析成像(SR)技術改善AOI檢測(2020)
2. 智慧熱影像裝置於異質材料溫度精準判定技術開發(2019)
3. 通用複合式人因照明模型應用軟體(2018,Android APP)
4. 通用複合式人因照明模型API/SQL-DB (2018)
5. 2016年,碩士論文。SCMAOP: Discovering a specific secondary structure to identify antioxidant proteins using a scoring card method
該產品為透過視覺辨識方法,依據豬隻身體輪廓,評分母豬的體況,給予使用者管理建議。以PointRend模型圖像分割技術開發,藉以提升圖像分割過程中的平滑性和分割細節效果,該方法與mask-RCNN評估,能有效提取豬隻臀部輪廓特徵 ; 後續透過OpenCV提取特徵(contour)並開發影像分析方法,藉由斜率分析取得豬隻臀部最佳測量點,計算切線角度、曲率半徑、及其他比值。 使用非監督式分群法對特徵值分群,並透過特徵值建立回歸模型,建立豬隻影像分級演算法。 使用R、Python、PyTorch、OpenCV、 Scikit-Learn、C++。
該產品為智能秤重平台,可提供各物種在行走情境下非靜止仍可秤重,準確率97.8%誤差達1%以下。時序性重量訊號數據以離散化處理,經過特徵分析及機器學習(Decision Tree/Random Forest) 預測秤台上為單或多頭行走;使用傅立葉轉換(FFT,DFT)分切多頭訊號; 將單頭離散化重量數據,以分群法(KNN)建模可提取秤台上豬隻實際重量的重量訊號區間,後續透過演算法可得預測重。AI 模型具跨平台介接應用。使用R 、C++、Linux、.NET Core。
該產品為透過視覺辨識方法,執行豬隻存欄盤點。以Yolov4-moblieNet作為盤點推論模型,使用不同場域燈光照明情境數據建模,模型準確率達97.52%,具有較佳泛化能力。開發AI Web Service,提供使用者於Web/APP 平台上傳圖像,經權限認證檢查通過可執行預測;預測範圍匡依據使用者設定, 盤點範圍內豬隻數量。使用Docker、Python Flask - Nginx-gunicorn、PyTorch、Darknet,部署於AWS和阿里雲。
該產品為使用視覺辨識方法,執行豬隻視覺秤重,監控豬隻體態及重量,給予使用者管理建議。以YOLOACT 作為推論模型,執行Object Detection、Posture Classification、Segmentation,於圖像中偵測可用以後續分析之豬隻姿態並提取輪廓。透過OpenCV及 Scikit-Learn 開發影像處理演算法,提取測量點、中軸骨架、面積等,經特徵值轉換以供回歸建模。
使用CIFAR數據庫,透過影像處理將原圖模糊化和轉HSL,並用Laplacian pyramid提取L高低頻尺度,產生兩種數據集;利用CNN(類GoogLeNet)提取紋理特徵,使影像疊合後凸顯紋理細節,提高熱影像物理辨識度。使用OpenCV和TensorFlow。
整合系統架構,開發程式如雙鏡頭的雙目校正(已參數化)、幀率同步化(調整雙鏡頭每秒幀數差)、異質影像融合技術、熱影像數值溫度轉換,並透過V4L2設置相機參數。使用OpenCV、MATLAB、TensorFlow。
數據收集:使用DOE (Box- Behnken法)產生不同照明參數的試驗設計表,用以收集三輪共300人對於不同照明參數之九種心理喜好度。 模型開發:使用反應曲面法(RSM),建構多目標最佳化複合式人因模型。使用RSM單目標最佳化找出各別喜好期望點,以及多目標最佳化找出複合式期望點。使用R program。 系統整合應用:智慧家電,透過手機端、ASUS Zenbo(語音控制)複合式選擇喜好度即時燈光需求調整。
生理監測儀上接收器獲取光定位資訊時,收發器將資訊(Device ID、Light ID、時間)上傳至伺服器(server)執行數據收集,並進一步對收集到的數據執行分析呈現和相關情境應用。定位監測功能可即時定位儀器所在位置、呈現是否連線、定位資訊。使用JAVA、MySQL、Django 開發部署在迷你電腦。
向Raspberry Pi/Beagle Bone Black所部署的Getaway端請求,並接收回傳資訊,該資訊包含可見光定位接收器獲取可見光定位、藍芽通訊資訊等,透過Android App 呈現儀器即時定位、儀器使用頻率分析、儀器行徑路徑、儀器移動方位等。使用Android 開發。
資料分析及軟體研發經驗8年以上,研發主管經驗4年以上, 產業結合經驗豐富。具備專案管理、跨領域研發、前瞻技術分析能力,且在自然語言(NLP)、影像深度學習(CV)、資料探勘、機器學習、統計建模、軟硬體系統整合(偏軟體)上具有獨立研發能力。
Taipei,Taiwan
0920-560385
1. 負責壓力感測訊號演算法開發,應用於醫療電子產品,提供預防跌倒事件、壓瘡輔助、離床偵測、病人生理監控等功能開發。
2. 負責專利佈局及管理。
1. 負責AI專案進度管理,如研發流程規劃、人員工作項目規劃,RD管理人數達3人,含外包人員達10人。
2. 負責AI專案技術分析、數據需求評估及試驗設計、演算法研發、模型評估及最佳化、跨平台軟體開發、模型上線部署及維運。
3. 負責試驗場域部署及數據收集專案管理,含試驗場域尋找、與合作廠商溝通及協商、時程及人員安排追蹤、試驗場域部署。
4. 跨部門專案合作。
視覺體況評分專案
智能行走秤重專案
視覺盤點專案
負責前瞻技術分析提案、新專案試驗設計、技術分析及執行規劃、演算法及軟體研發。
資料探勘、大數據分析、生物影像處理、高通量、演算法、物件導向、JAVA 程式設計、Android程式設計
研究領域: 透過資料探勘和機器學習 分析 如醫學影像、次世代定序(RNA-seq、Chip-seq)、胜肽序列等生物醫學數據,並且開發特徵萃取及特徵選擇所需演算法和工具。
研究領域 : 動物飼養與管理、肉品蛋品加工、生物安全
1. 瑕疵根因分析與製程參數最佳化,應用超解析成像(SR)技術改善AOI檢測(2020)
2. 智慧熱影像裝置於異質材料溫度精準判定技術開發(2019)
3. 通用複合式人因照明模型應用軟體(2018,Android APP)
4. 通用複合式人因照明模型API/SQL-DB (2018)
5. 2016年,碩士論文。SCMAOP: Discovering a specific secondary structure to identify antioxidant proteins using a scoring card method
該產品為透過視覺辨識方法,依據豬隻身體輪廓,評分母豬的體況,給予使用者管理建議。以PointRend模型圖像分割技術開發,藉以提升圖像分割過程中的平滑性和分割細節效果,該方法與mask-RCNN評估,能有效提取豬隻臀部輪廓特徵 ; 後續透過OpenCV提取特徵(contour)並開發影像分析方法,藉由斜率分析取得豬隻臀部最佳測量點,計算切線角度、曲率半徑、及其他比值。 使用非監督式分群法對特徵值分群,並透過特徵值建立回歸模型,建立豬隻影像分級演算法。 使用R、Python、PyTorch、OpenCV、 Scikit-Learn、C++。
該產品為智能秤重平台,可提供各物種在行走情境下非靜止仍可秤重,準確率97.8%誤差達1%以下。時序性重量訊號數據以離散化處理,經過特徵分析及機器學習(Decision Tree/Random Forest) 預測秤台上為單或多頭行走;使用傅立葉轉換(FFT,DFT)分切多頭訊號; 將單頭離散化重量數據,以分群法(KNN)建模可提取秤台上豬隻實際重量的重量訊號區間,後續透過演算法可得預測重。AI 模型具跨平台介接應用。使用R 、C++、Linux、.NET Core。
該產品為透過視覺辨識方法,執行豬隻存欄盤點。以Yolov4-moblieNet作為盤點推論模型,使用不同場域燈光照明情境數據建模,模型準確率達97.52%,具有較佳泛化能力。開發AI Web Service,提供使用者於Web/APP 平台上傳圖像,經權限認證檢查通過可執行預測;預測範圍匡依據使用者設定, 盤點範圍內豬隻數量。使用Docker、Python Flask - Nginx-gunicorn、PyTorch、Darknet,部署於AWS和阿里雲。
該產品為使用視覺辨識方法,執行豬隻視覺秤重,監控豬隻體態及重量,給予使用者管理建議。以YOLOACT 作為推論模型,執行Object Detection、Posture Classification、Segmentation,於圖像中偵測可用以後續分析之豬隻姿態並提取輪廓。透過OpenCV及 Scikit-Learn 開發影像處理演算法,提取測量點、中軸骨架、面積等,經特徵值轉換以供回歸建模。
使用CIFAR數據庫,透過影像處理將原圖模糊化和轉HSL,並用Laplacian pyramid提取L高低頻尺度,產生兩種數據集;利用CNN(類GoogLeNet)提取紋理特徵,使影像疊合後凸顯紋理細節,提高熱影像物理辨識度。使用OpenCV和TensorFlow。
整合系統架構,開發程式如雙鏡頭的雙目校正(已參數化)、幀率同步化(調整雙鏡頭每秒幀數差)、異質影像融合技術、熱影像數值溫度轉換,並透過V4L2設置相機參數。使用OpenCV、MATLAB、TensorFlow。
數據收集:使用DOE (Box- Behnken法)產生不同照明參數的試驗設計表,用以收集三輪共300人對於不同照明參數之九種心理喜好度。 模型開發:使用反應曲面法(RSM),建構多目標最佳化複合式人因模型。使用RSM單目標最佳化找出各別喜好期望點,以及多目標最佳化找出複合式期望點。使用R program。 系統整合應用:智慧家電,透過手機端、ASUS Zenbo(語音控制)複合式選擇喜好度即時燈光需求調整。
生理監測儀上接收器獲取光定位資訊時,收發器將資訊(Device ID、Light ID、時間)上傳至伺服器(server)執行數據收集,並進一步對收集到的數據執行分析呈現和相關情境應用。定位監測功能可即時定位儀器所在位置、呈現是否連線、定位資訊。使用JAVA、MySQL、Django 開發部署在迷你電腦。
向Raspberry Pi/Beagle Bone Black所部署的Getaway端請求,並接收回傳資訊,該資訊包含可見光定位接收器獲取可見光定位、藍芽通訊資訊等,透過Android App 呈現儀器即時定位、儀器使用頻率分析、儀器行徑路徑、儀器移動方位等。使用Android 開發。