工業和商業黃頁資訊網論文書籍站
24 real food box 貳 食的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列問答集和資訊懶人包
東海大學 食品科學系 邱致穎所指導 黃浩然的 利用流變分析及 AI 智能影像辨識評估油凝膠添 加於代可可脂對 3D 列印產品品質之影響 （2021），提出24 real food box 貳 食關鍵因素是什麼，來自於3D 列印、巧克力、油膠、機器學習、AI 影像辨識。
而第二篇論文朝陽科技大學 資訊管理系 李麗華所指導 鐘凱倫的 水稻空拍影像植株定位與計數之YOLO輕量化研究 （2021），提出因為有 物件偵測、YOLOv4、無人機空拍影像、水稻植株計數、人工智慧的重點而找出了 24 real food box 貳 食的解答。
除了24 real food box 貳 食，大家也想知道這些：
利用流變分析及 AI 智能影像辨識評估油凝膠添 加於代可可脂對 3D 列印產品品質之影響
為了解決24 real food box 貳 食 的問題，作者黃浩然 這樣論述：
3D 列印技術具有客製化的能力以滿足消費者的需求，而在食品領域中能夠提供消費者特殊口感以及客製化營養之產品需求，要達到上述條件必須對於 3D列印材料特性有足夠的了解，目前對於評估合適 3D 列印材料研究方面，已經建立對於冷擠出材料透過流變分析的評估方式，然而在熱擠出方式也是 3D 列印材料中很重要的塑型方式，但是卻缺乏相關的研究對於材料性質之探討，因此本研究擬使用黑、白巧克力作為熱擠出的評估材料並添加油凝膠脂肪酸甘油酯（monoglyceride, MAG）、脂肪酸蔗糖酯（sucrose fatty acid ester, SE）、羥丙基甲基纖維素 （hydroxypropyl methyl
cellulose, HPMC）並分別添加 1, 2, 3 wt %於黑、白巧克力進行 3D 列印，分別進行熱分析、流變分析、架橋實驗、參數分析、質構分析以及利用 AI 智能影像辨識系統，進行 3D 列印成品品質以及形狀分析。實驗結果顯示在熱分析方面以添加 MAG 以及 SE 的組別隨著添加量於巧克力的量增加，其玻璃轉化溫度有上升的現象；在流變分析方面當黏性恢復低於 80%時，巧克力印製結果上可以具有較好的擠出凝固特性；在架橋實驗結果顯示，不論是黑或白巧克力均以 MAG 和 SE 的添加濃度到 2 wt %時可以使架橋距離達到 10 mm，而以 HPMC 的組別無法增加未添加組別之架橋距離；列
印參數方面綜合評估黑白巧克力，其合適列印參數為列印速度 8 mm、 層高 2 mm、噴頭高度 3 mm，可以印製出完整度在 90%以上的空心方柱；在質地分析方面以 MAG 與 SE 添加於白巧克力之組別以 SE 之硬度顯著性比 MAG 高（p
水稻空拍影像植株定位與計數之YOLO輕量化研究
為了解決24 real food box 貳 食 的問題，作者鐘凱倫 這樣論述：
水稻是一種非常重要的農產品，特別是亞洲地區，例如：台灣、日本、中國等，它是許多人每日必備的食物。水稻總出口值高達1億3千3百多萬美金，總共佔穀類以及其製品的出口值約24.7%之多。過去已有許多學者針對水稻不同面向進行研究，例如：運用機器學習來推估水稻產量、運用卷積神經網路來推估水稻抽穗日期及運用卷積神經網路來分類水稻葉子病害等。為了能更好的監控水稻產量，通常會在水稻幼苗時期就進行關注。過去許多學者使用影像處理技術來完成水稻植株的計數，但有可能因為天氣的不同使得影像色彩不一樣，而無法使用同一種方法來完成計數，也有可能因為有雜草或其他非水稻之障礙物造成計數上的錯誤，在過去研究中也幾乎沒有學者使用
物件偵測技術來植株定位。本研究透過機器學習的技術運用YOLO模型，探究物件偵測技術，來完成水稻植株定位與計數，為了改善模型效能並深入研究YOLOv4架構並進行調整，藉此模型調整來減少訓練時間與減少模型計算量，進而達成輕量化模型之目的。本研究藉由Yang等學者提供的水稻空拍影像資料集，建立一套物件偵測自動定位及計算植株之系統。本研究分別實驗了YOLOv3-tiny、YOLOv4-tiny、YOLOv3、YOLOv4，以及改良YOLOv4由本研究提出的YOLOv4-M1和YOLOv4-M2模型來進行實驗，從實驗可以得知本研究的YOLOv4-M1與YOLOv4-M2在訓練模型時，可以比YOLOv4節
省1.34與1.63倍的訓練時間，參數量比YOLOv4少了4000萬，還能同時維持相當的準確率，因此本研究所提之模型可用來改善無人機空拍稻田影像之水稻植株偵測及計數。