Skip to main content
← 作品集

邊緣 AI 部署:NVIDIA Jetson 實作

勞動部勞動力發展署 iT 職訓局 · 2026-04

YOLO 不只在雲端跑得動 —— 把它放到產線端的邊緣裝置上做即時推論,才是工廠真正能用的部署方式。

🌐 Read in English
NVIDIA JetsonEdge AIYOLO InferenceEmbedded DeploymentIIoTReal-time Inference

📝 摘要

「AI 進入工廠」聽起來像未來,但真正的門檻不在模型準確率,而在推論要放在哪裡。這張證書對應的是那個門檻。

🎯 問題

把 YOLO 模型放在雲端做離線分析是一回事,但要讓它出現在產線上做即時判斷是另一回事。工廠現場有帶寬限制、延遲要求、斷網風險與散熱限制 —— 這讓雲端推論在很多情境下根本不可行。

🛠️ 做法

  • 於勞動部 iT 職訓局「NVIDIA Jetson 實作」課程完成邊緣 AI 開發與部署實作(2026-04-14 取得證書)
  • 針對產線端即時推論情境,評估模型在邊緣裝置上的部署可行性與資源限制
  • 結合 SiC 晶圓缺陷檢測專題,將缺陷判斷由離線分析推向即時線上判斷

📈 成果

  • 具備將深度學習模型部署於產線端硬體的實作能力,對應「智慧製造」與工廠 AI 落地需求
  • 理解邊緣推論在帶寬、延遲、可靠性與散熱上的取捨,能與雲端方案做技術評估