國立虎尾科技大學 |

登入

回首頁

基於神經網路演算法之羽球機訓練系統設計研究 = = Research o...

施柏暉

基於神經網路演算法之羽球機訓練系統設計研究 = = Research on the Design of a Badminton Machine Training System Based on Neural Network Algorithms /

紀錄類型:	書目-語言資料,印刷品 : Monograph/item
正題名/作者:	基於神經網路演算法之羽球機訓練系統設計研究 =/ 施柏暉.
其他題名:	Research on the Design of a Badminton Machine Training System Based on Neural Network Algorithms /
其他題名:	Research on the Design of a Badminton Machine Training System Based on Neural Network Algorithms.
作者:	施柏暉
出版者:	雲林縣 :國立虎尾科技大學 , : 民113.06.,
面頁冊數:	[8], 72面 :圖, 表 ; : 30公分.;
附註:	指導教授: 鄭佳炘.
標題:	Sports Technology. -
電子資源:	電子資源

基於神經網路演算法之羽球機訓練系統設計研究 = = Research on the Design of a Badminton Machine Training System Based on Neural Network Algorithms /
施柏暉

基於神經網路演算法之羽球機訓練系統設計研究 =Research on the Design of a Badminton Machine Training System Based on Neural Network Algorithms /Research on the Design of a Badminton Machine Training System Based on Neural Network Algorithms.施柏暉. - 初版. - 雲林縣 :國立虎尾科技大學 ,民113.06. - [8], 72面 :圖, 表 ;30公分.

指導教授: 鄭佳炘.

碩士論文--國立虎尾科技大學電機工程系碩士班.

含參考書目.

近年來，人工智慧領域發展迅速，為許多產業帶來了各種應用，能夠有效減輕相關成本，並提升效率與精準度。體育產業結合人工智慧科技將是未來趨勢，人工智慧技術可以用於分析運動員的訓練資料，提供個性化的訓練方案；在比賽中，人工智慧技術可以用於裁判輔助，提高比賽的公正性和準確性。這些應用不僅能夠提高運動表現，還能夠為體育產業帶來更多的商機和發展機遇。根據教育部體育署統計，在台灣民眾最常從事的運動類型中，羽球是球類運動中最多人參與的，這表明羽球在台灣的受歡迎程度，也為羽球在運動科技發展中的應用提供了廣大的市場和需求。本研究設計個人即可進行的羽球對打訓練系統，並且能夠蒐集選手相關資料，分析並評估選手的訓練效益。具體來說，本研究設計之系統會使用相機辨識出羽球場地範圍，並且劃分成九個區域後用於判斷選手即時位置，接著系統可以透過控制發球機，決定發球點。為了增加趣味性，本研究將設計出不同難度時的發球點選擇方法，選手可以依據自身狀況選擇合適的方法訓練。而選手資料收集的部分，本研究將透過姿態估計演算法來計算選手的身體節點，並計算出選手的動作變化，這些資料除了可以用於設計更靈活的發球點選擇方法外，也能回饋給選手，判斷姿勢是否正確等。最後，本論文評估了所使用之神經網路演算法的效能，並且使用世界羽球聯盟之比賽影片進行系統模擬，再透過實際場域佈署進行流程測試，透過記錄不同難易度下選手的反應狀況，計算訓練多次後對於羽球技能是否有精進，輔以姿態估計分析出選手動作是否有改善空間，以證系統有提供一定程度的效益。.

(平裝)Subjects--Topical Terms:

1365509
Sports Technology.

基於神經網路演算法之羽球機訓練系統設計研究 = = Research on the Design of a Badminton Machine Training System Based on Neural Network Algorithms /
LDR:04811cam a2200241 i 4500 001 1129784
008 241015s2024 ch ak erm 000 0 chi d
035 $a (THES)112NYPI0441021
040 $a NFU $b chi $c NFU $e CCR
041 0 # $a chi $b chi $b eng
084 $a 008.165M $b 0846 113 $2 ncsclt
100 1 $a 施柏暉 $3 1448836
245 1 0 $a 基於神經網路演算法之羽球機訓練系統設計研究 = $b Research on the Design of a Badminton Machine Training System Based on Neural Network Algorithms / $c 施柏暉.
246 1 1 $a Research on the Design of a Badminton Machine Training System Based on Neural Network Algorithms.
250 $a 初版.
260 # $a 雲林縣 : $b 國立虎尾科技大學 , $c 民113.06.
300 $a [8], 72面 : $b 圖, 表 ; $c 30公分.
500 $a 指導教授: 鄭佳炘.
500 $a 學年度: 112.
502 $a 碩士論文--國立虎尾科技大學電機工程系碩士班.
504 $a 含參考書目.
520 3 $a 近年來，人工智慧領域發展迅速，為許多產業帶來了各種應用，能夠有效減輕相關成本，並提升效率與精準度。體育產業結合人工智慧科技將是未來趨勢，人工智慧技術可以用於分析運動員的訓練資料，提供個性化的訓練方案；在比賽中，人工智慧技術可以用於裁判輔助，提高比賽的公正性和準確性。這些應用不僅能夠提高運動表現，還能夠為體育產業帶來更多的商機和發展機遇。根據教育部體育署統計，在台灣民眾最常從事的運動類型中，羽球是球類運動中最多人參與的，這表明羽球在台灣的受歡迎程度，也為羽球在運動科技發展中的應用提供了廣大的市場和需求。本研究設計個人即可進行的羽球對打訓練系統，並且能夠蒐集選手相關資料，分析並評估選手的訓練效益。具體來說，本研究設計之系統會使用相機辨識出羽球場地範圍，並且劃分成九個區域後用於判斷選手即時位置，接著系統可以透過控制發球機，決定發球點。為了增加趣味性，本研究將設計出不同難度時的發球點選擇方法，選手可以依據自身狀況選擇合適的方法訓練。而選手資料收集的部分，本研究將透過姿態估計演算法來計算選手的身體節點，並計算出選手的動作變化，這些資料除了可以用於設計更靈活的發球點選擇方法外，也能回饋給選手，判斷姿勢是否正確等。最後，本論文評估了所使用之神經網路演算法的效能，並且使用世界羽球聯盟之比賽影片進行系統模擬，再透過實際場域佈署進行流程測試，透過記錄不同難易度下選手的反應狀況，計算訓練多次後對於羽球技能是否有精進，輔以姿態估計分析出選手動作是否有改善空間，以證系統有提供一定程度的效益。.
520 3 $a In recent years, the rapid development of artificial intelligence (AI) has led to various applications across numerous industries, reducing costs and enhancing efficiency and accuracy. Integrating AI into the sports industry is a future trend, as it can analyze athletes' training data to provide personalized training programs and assist referees to improve fairness and accuracy in competitions. These applications enhance athletic performance and create new business opportunities for the sports industry. According to the Sports Administration of the Ministry of Education in Taiwan, badminton is the most popular ball sport among the public. This popularity indicates a broad market and demand for sports technology applications in badminton. This research aims to design an individual-use badminton training system. The system collects player data, analyzes it, and evaluates training effectiveness. It identifies badminton court boundaries using a camera, divides the court into nine zones for real-time player positioning, and controls the shuttlecock machine to determine the serve point. To increase training enjoyment, different difficulty levels for serve points are designed, allowing players to choose the appropriate method based on their skill level. Player data is collected using a pose estimation algorithm to calculate body keypoints and analyze movements. This data helps design flexible serve point methods and provides feedback on posture correctness. Finally, the paper evaluates the performance of the neural network algorithms used and simulates the system with Badminton World Federation (BWF) match videos. The system is deployed for real-world testing, recording player responses under different difficulty levels and analyzing skill improvement after training sessions. Pose estimation identifies areas for improvement, demonstrating that the system provides significant benefits..
563 $a (平裝)
650 # 4 $a Sports Technology. $3 1365509
650 # 4 $a Internet of Things. $3 1048478
650 # 4 $a Pose Estimation. $3 1451872
650 # 4 $a Neural Network. $3 998212
650 # 4 $a 運動科技. $3 1365506
650 # 4 $a 物聯網. $3 1047624
650 # 4 $a 姿態估計. $3 1365607
650 # 7 $a 神經網路. $2 lcstt $3 832902
856 7 # $u https://handle.ncl.edu.tw/11296/83569f $z 電子資源 $2 http