關於 卷積神經網路歷史 ，我們在網路上蒐集到這些相關的討論、資訊與評價

讓女兒寫個在家自學一年的心得，她躊躇了一陣子，前天一動筆，三、四個小時寫出了五千字，寫的欲罷不能，超過我要求的字數。

寫的頂好的！

～～～～
自學一年心得
不知不覺間，我已經自學一年了，想想有些感嘆，就稍微和我的爸爸聊了聊這件事，結果，他思路清晰，很快的給了我一句話：「哦，自學滿一年啊，那就寫一篇三千字的心得吧，這是功課。」當下聽到有點無語，好吧，自己挖的坑自己跳，於是就有了這篇心得，來聊聊我這一年的經歷與學習。
為什麼會自學呢？一開始我自學時，身邊的同學與朋友是不相信的，一直以來我在學校的人緣都還行，雖不到真的很多朋友，但也不致邊緣，成績也沒有真的爛到哪去。
但事實上，我在學校的生活過得並不好。學習的部分，自從升上七年級開始，我的成績可以說是一落千丈，大約就是從第七名變成倒數第七名，生物數學地理變得困難，英文更是像開啟了新世界的大門，變得完全聽不懂，更要命的是學校一星期有五堂英文課，其中更有一堂是外師，全部都是英文，在得知有這堂課時，我的內心是崩潰的。
於是，在艱辛的七年級學業路上，只剩勉強過得去的歷史與公民，還有我唯一的希望國文。因為曾經遇過好老師，我的國文可以稍微自豪一下，在某次國文考試中似乎還得過全班第五名，為此我開心了很久；如果說國文可以稍微自豪一下，那麼作文就可以再自豪一點，我一直都很喜歡寫作，除了一次四級分，剩餘都是五級分以上，也常常被國文老師表揚。
但除此之外，就只能用一個「慘」字形容。隨著時間推移，我的數學開始跟不上，生物的難度也逐漸加大，社會科勉勉強強，原本就夠悲劇的英文更是變得慘不忍睹，偏偏英文的比重與考試是最多的，有成堆的英文考卷、講義，三個英文老師的功課更是讓我喘不過氣，那時，我很討厭考單字，因為我都是零分，不論怎麼努力都背不起來。
雖然，有許多熱心的同學幫助過我，有人會細心地告訴我錯的題目是為何而錯，有人甚至會在外師的課上幫我翻譯(在此深深感謝幫助過我的同學們，謝謝你們讓我撐過好一段時間)，但還是無法彌補我的程度與考試範圍之間的落差，我開始逃避這一切，在上課時間寫小說，因為只有這樣，才能讓我的校園生活過得開心一點。
在進入小說的世界後，與世隔絕，一切都是我能掌控的，不用被幾個成績欄的數字束縛，不用因為不擅長的事情而否定自我，雖然是個惡性循環，寫出來的作品質量也不好，但，那至少是我當下能想到的最好辦法。
除了成績與考試外，令我困擾的事情還有一件，我很怕吵，不喜歡和太多人相處，但學校就是一個群體生活的地方，每天一定要接觸到人，去接受他們的情緒，那時我對自己還不太了解，也嘗試融入人群，但發現好像沒有辦法，於是，我向我爸媽提起了自學。我的哥哥也曾是個自學了四年的自學生，爸媽在我表達完觀點後，便同意讓我自學，於是從八年級開始，待在家中自己學習。

一開始自學，也像是打開一道新世界的大門，門後的世界是精采美麗的，不會被課表切割時間，不會有成堆的考試等著我，可以在平日和爸媽出去玩，能在家自由自在的生活，愛做什麼做什麼。
不過，最讓我高興的依然是能將大部分時間精力投入到小說創作，一天中，我花最多時間作的事是寫作，架構世界觀，寫出一個個完整的角色，將它們之間的情感糾葛寫成一本精彩的小說，我非常享受這樣的過程，有時一寫就是好幾個小時。
我寫小說的這條道路還滿特別的，是在我五年級的那年，爸爸出了作業，要我和哥哥一天打字十分鐘，哥哥去玩打字遊戲，我則是想到可以寫小說，一開始的創作毫無章法，就寫了一點點奇幻校園故事，講述一群人打妖怪的故事，也就隨便寫寫，打發時間，直到五年級升六年級的暑假，暑假作業之一是要完成一千字的小說，那時，班上同學隨口說了句：「老師，如果寫到一萬字會怎麼樣？」那時班上氣氛歡樂，老師也開玩笑似的隨口回了句：「寫到一萬字就不用寫其他暑假作業了。」我默默地將一萬字這個數字記在心裡，並且在接下來的兩個月中，將原本八百字的奇幻校園故事完成，一共一萬零八百字。
從此以後，我便愛上寫小說，我喜歡寫奇幻故事，更是偏好暗黑驚悚，目前進行中的十二本小說，有奇幻、校園、異世界、現實等主題。
漸漸的，小說從逃避現實的工具變成我與世界溝通的媒介，我每天花大把的時間在創作與發想，寫作能力也漸漸提升，從以前的一天只能寫三百字到現在能一天六千字，而爸爸也給了我一個機會，去出版一本小說，於是，我開始將注意力放在一部作品上，也就是如今已經出版的「傷痕」。
「傷痕」其實跟我一開始的寫作風格差的很多，畢竟我是寫奇幻世界起步的，也沒想過會拿一個「連續殺人魔」當主角。
書中，一名童年被霸凌的少女得了創傷壓力症候群，精神疾病令她無法好好生活，也影響到她的思考模式，她堅信，只要殺了霸凌過她的人，她就能獲得「救贖」，她開始逐一解決霸凌過她的六人，在過程中有悲傷、痛苦，也有過後悔，隨著得知她慘痛的經歷，她心中的感受只剩下恨，最終殺了霸凌過她的六人，也殺光了教會中一半的人，這樣的方式並沒有令女主角獲得救贖，故事的結尾也非常悲傷。雖然小說終究是假的，但我覺得女主角這樣的人是真的有可能存在的，她的心生病了，令她做出極端的事，但凡教會中多一個人關心她悲劇都不會發生，偏偏卻沒有，這本小說也是我想告訴大家，要友善的與人相處，不然可能會釀成大禍。
在這本書中，我用了一種奇特的方法詮釋，分成了三個階段，現在、夢境(過去)、獨白。現在的部分主要是在描寫殺人的過程以及主角心境的變化，夢境是過去發生的事情，主要描寫主角被霸凌的故事及過程，獨白則是死亡的人沒說出來的心聲。
很多人問我，為什麼寫出這樣的故事，我給的答案都是「抒發心情」，對我而言，創作與寫作是有意義的，就是說出心中想說、表達想發聲的事情，而「傷痕」有更深層的意義，它是給不可改變的過去一個機會，也給了我一個機會。「傷痕」畢竟是我的第一部作品，各方面都很稚嫩，也不可能是我最好的一部作品，但他卻是對我而言最重要的一部作品，令我放下了許多執念，令我的心理狀態變得更加健全。
故事永遠都是故事，但卻能帶來如此神奇的功效，我想，這就是寫作的魅力吧！在自學的過程中，我會一直不懈的去創作故事，從而去理解世界與人心，我想成為一個厲害的作家，用文字成為他人的光，用作品去讓他人得到所謂的救贖，我不能阻止世界上發生悲傷的事，但我想盡我所能，讓更多人能感受到世間的美好。
傷痕出版後，我感受到了很大的快樂，除了親朋好友的好評，還有賺到了錢的快樂，也要感謝贊助我出書、為我這本書奔波勞累的阿嬤，感謝鼓勵我創作此書的哥哥，還有理解我的父母，我也會更加努力學習的。

如今我的十二部作品中，有許多提到精神病的故事，精神病是我想去了解的領域，因為想要去看看所謂「與正常人不一樣」的人心中究竟在想些什麼，去深入了解這社會中很多人不理解的「常態」，從而去創作真實又殘酷的劇情。
於是，我便開始研究「變態心理學」及「精神病學」，找到了一個北大的變態心理學課程影片，教授講的很好，我便看著影片學習。
我是真的很喜歡變態心理學，雖然不擅長的生物學模型有聽沒有懂，但心理學模型我還是上的津津有味，在心裡學模型的四個學派中，我最喜歡精神病分析學，意識、前意識和無意識和本我、自我、超我的概念是我很認同的。
異常心理與精神病是我在寫作中很喜歡提的，因為在童年成長過程所遭遇的事情會影響一輩子，在上課時教授也時常提起童年經歷等相關事情，我也喜歡將童年描述的悲慘，去營造一個更加立體的角色，這也就是為何我的作品中時常會有過去的描寫。北大的變態心理學課程很難，其中還會接觸到生物學、腦神經科學及遺傳基因等，都是我不熟悉的領域，雖然上課進度緩慢且要花更多時間精力去釐清，但卻是我自己心中所喜歡的，在過程中是快樂的，所以我很喜歡學習變態心理學。

在八年級下學期時，我的媽媽接到了一個三年級國小老師的工作，於是，非常閒的自學生我本人便接下了家中伙食處理的重要任務，開啟了我的廚娘生活。
我對煮飯是很有興趣的，之前也煮過幾次，不過要包辦全家人的三餐還是一項挑戰，我開始研究菜單，研究家人的口味，來煮出全家人都能接受的食物，一開始當然不太順手，跟廚房不熟，也多次燙到自己，在一次炸肉時更是差點把手炸掉，至今手上還有一道淺淺的疤痕，不過我不斷嘗試，越來越好，甚至被哥哥的高中同學們大力稱讚，聽說他班上同學很喜歡吃我做的燉飯，帶去的便當常常被搶，讓我非常的開心，還有一陣子幫哥哥的朋友也準備一份便當，賺一些小錢。
在煮飯的過程中，我了解了一些道理，第一便是和人一起生活有相同的口味是很重要的，我們家的口味還算相近，也能互相配合，比如我、爸爸和哥哥都不喜歡紅蘿蔔，我們家的咖哩裡面就不會放紅蘿蔔，改成全家人都喜歡的地瓜，但有些時候無可奈何，主廚就要辛苦一點，比如我哥哥不吃辣，但我和爸媽很喜歡吃部隊鍋，這種時候就要另外幫哥哥準備一鍋不辣的鍋物，不過因為過於麻煩，現在學乖了，我和爸媽會在平日中午哥哥去上學時吃有辣的東西。
第二個道理便是預算控制的重要性，爸爸給了我一定的預算讓我學習控制，起初幾個月預算常常超支，導致月底要吃的很簡單，不過也是愈來愈好，漸漸的還能留下一些預算，對於食物的價錢概念也愈來愈強。
我認為，會煮飯算是一項滿好的技能，能自己控制吃什麼、什麼時候吃，健康又省錢，如果有時間，學習煮飯真的是一個很好的選擇。

我一直很喜歡音樂，從小就也學習鋼琴，雖然現在漸漸荒廢，但我對歌唱的興趣也愈來愈高，尤其喜歡中文說唱，喜歡強大的節奏感以及富含意義的歌詞。
會接觸到中文說唱是因為鄧紫棋和潘瑋柏合作的「死了都要愛」，我便愛上了說唱的感覺，但是真正讓我想要學習說唱，是因為VAVA改編的「Life's a struggle」，叛逆又強勁的歌詞，無畏又悲傷的聲線令我決定開始練說唱。
我在說唱上有點天分，節奏感與生俱來，在說唱的過程中，我能感受到強烈的快樂，我也嘗試寫過幾首歌，雖然不成熟，但作詞作曲編曲都是我完成的，其中我最喜歡作詞，寫的大多是饒舌，唯一寫過一首旋律較多的歌是送給閨密的生日禮物。
相對來說，我歌唱的能力並沒有那麼強，也沒有特別喜歡的歌，直到聽到歌手黃霄雲唱的「打開」，我突然想要飆高音，便去找我的發聲老師爸爸學習，也愈來愈喜歡唱歌。
自學不久後，爸爸買了一台混音器，我便常常使用它，去磨練我的歌聲在麥克風中的樣子。
經過了爸爸的教導，我的唱歌實力不斷提升，以前唱起來吃力的歌也變得輕鬆，我很喜歡唱歌與說唱，也曾經參加「聲林之王3」的網路海選，雖然並未成功，不過也累積了些經驗。

自學的過程中，大部分時間都在與自己相處，於是，我慢慢去了解自己，漸漸的，我接觸到了「高敏感族群」這樣東西。
「高敏感族群」這樣的人大概就是會深度處裡事情，常常被過度刺激，同理心高且情緒反應強烈，是十分敏感的一類人。高敏感通常來自遺傳，我去做了測試，指數很高，其實不用到太驚訝或感到稀奇，畢竟世界上有20％的人是高敏感族群。
得出這個結果，便回顧了一下我的人生，好像真的是這樣的，我在人群中待不了太久，容易覺得吵雜，很在意別人的微表情與情緒，小時候也很多人說我內向，更嚴重的例子是，只要有人在我旁邊罵人，我都會感到害怕，不管他罵的是誰、因為什麼事情而罵。
印象深刻的是在國小的時候，有一位老師因為我們班的男同學太過不乖而氣哭，明明跟我毫無關係，我卻去跟老師道歉，還哭了，因為我能感受到老師的無奈和悲傷，我也是打從心裡覺得對不起老師，即便那堂課我完全沒有吵鬧。
不過，在了解自己是高敏感族群後，我的生活反而輕鬆了不少，因為知道我不是故意不融入人群，不是故意不去與人相處，只是先天的容易疲憊，自學待在家不去接觸人群也令我感到輕鬆，不禁再度感嘆自學這個決定的美好。
現在我接觸人的機會很少，除了去教會和買菜以外幾乎不與人接觸，朋友也是非常的少，但我活得很開心，因為這樣的狀態對我而言是最好的狀態。
高敏感對於我的寫作有很大幫助，因為對於情緒感受敏感，我能去創作飽滿的人物與劇情，這也是有人說「高敏感是種天賦」的原因吧！

說到底，自學最大的好處仍是「能學自己想學的東西」，畢竟人都有擅長與不擅長的東西，我認為沒必要對著教科書照單全收，去學習自己喜歡且有天分的東西對學習的效率與品質有也很大的影響，如果不自學，我根本不可能在十四歲完成一本小說，也不可能去研究什麼變態心理學，但既然我自學了，我就要對我所選擇的事物全力以赴，做到最好，這樣，才無愧於我的十四歲，無愧於我的國二。

如今已經邁入了自學的第二年，我也要抓緊時間去學習，好好運用我的天賦與努力，去寫作、創作，並且過的快樂、充實。
不知不覺間，本是三千字的心得也寫到了五千字，或許我真的很喜歡文字吧？就像是喜歡我的人生一樣。

小說「傷痕」博客來連結:https://pse.is/3ju946

機器學習識別特徵阻絕代測　上鏈回送監理資料庫防竄改

人臉辨識加酒精鎖阻酒駕　串區塊鏈上傳比對告警

2021-05-24社團法人台灣E化資安分析管理協會元智大學多媒體安全與影像處理實驗室

本文將介紹酒精防偽人臉影像辨識系統，結合了人臉辨識、酒精鎖以及區塊鏈應用，以解決酒駕問題，並透過監控系統避免代測狀況發生。且利用區塊鏈不可修改的特性，將車輛與人臉資料串上區塊鏈，以確保駕駛人的不可否認性。

長長期以來「酒駕」都是一個很嚴肅且必須被重視的議題，儘管在2019年立法院修法酒駕及拒絕酒測的罰則，但是抱持僥倖心態的人還是數不勝數，導致因酒駕釀成車禍的悲劇還是一再重演，讓不少的家庭因此破滅。

據統計，從2015年到2018年的酒駕取締件數都逾10萬件，而因為酒駕車禍的死亡人數逾百人。在2019年酒駕新制上路以後，2020年警方酒駕取締件數有明顯下降至約6萬件，雖然成功達到嚇阻效果，但是死亡人數仍與去年前年持平，可見離完全遏止酒駕還有很長的路需要努力。

立法院於2018年三讀通過了「道路交通管理處罰條例部分條文修正案」，酒駕者必須重新考照，並且只能駕駛具有酒精鎖（Alcohol Interlock）的車輛，所謂酒精鎖，屬於車輛點火自動鎖定裝置，在汽車發動前必須進行酒測，通過才能將汽車發動，而且在每45分鐘至60分鐘後酒精鎖系統就會要求駕駛人在一定時間內進行重新酒測，以便防範在行車過程中有飲酒的情況發生，若駕駛人未遵守其要求，車子就會強制熄火並鎖死，必須回酒精鎖服務中心才能將鎖解開。

由於法案的方式無法完全遏止酒駕，因此許多創新科技或是企業致力於研究相關科技來解決酒駕的問題。

其中本田（Honda）汽車與日立（Hitachi）公司研發出手持型酒精含量檢測裝置，讓駕駛人必須在駕駛之前都先進行酒測，若酒精濃度超標就會將汽車載具上鎖，藉此避免酒駕意外或事故發生，且該技術結合了智慧鑰匙功能，若偵測到酒測值超標，車輛中的顯示面板將會發出警告訊號告知駕駛人，避免酒駕上路之問題。

另一方面則是解決酒精殘值之問題，因為有許多駕駛人都會認為，休息一下後，身體也無感到不適，即駕車出門，等到駕駛人被警方臨檢時才知道酒測未通過，因此收到罰單，甚至是吊銷駕照處罰等。

根據醫學研究指出，酒精是在人體體內由肝臟代謝，實際代謝時間必須看體質以及飲酒量而定。台灣酒駕防制社會關懷協會建議，喝酒後至少要10至20小時後再駕車比較安全。多數人無具備酒精代謝時間的觀念，導致駕駛人貿然上路，待意外發生或罰單臨頭時，已經為時已晚。

背景知識說明

本文介紹的方法為酒精鎖結合攝影鏡頭進行人臉辨識，並將人臉特徵資料與車輛資料串上區塊鏈，並利用區塊鏈不可篡改的特性，來避免駕駛人在解鎖酒精鎖時發生他人代測的問題。

由於人臉辨識技術具備防偽性、身分驗證的特性，因此將酒精鎖的技術結合人臉辨識，便可確認為駕駛本人。

何謂人臉辨識

人臉辨識技術屬於生物辨識的一種，基於人工智慧、機器學習、深度學習等技術，將大量人臉的資料輸入至電腦中做為模型訓練的素材，讓電腦透過演算法學習人類的面部特徵，藉以歸納其關聯性最後輸出人臉的特徵模型。

目前人臉辨識技術已經遍佈在日常生活之中，其應用面廣泛，最為常見的應用即為智慧型手機的解鎖、行動支付如LINE Pay、Apple Pay等，其他應用還包括行動網路銀行、網路郵局、社區大樓門禁管理系統、企業監控系統、機場出入關、智能ATM、中國天眼系統等。一般來說，人臉辨識皆具備以下幾個特性：

‧ 普遍性：屬於任何人皆擁有的特徵。

‧ 唯一性：除本人以外，其他人不具相同的特徵。

‧ 永續性：特徵不易隨著短時間有大幅的改變。

‧ 方便性：人臉辨識容易實施，設備容易取得，如相機鏡頭。

‧ 非接觸性：不須直接接觸儀器，也可以進行辨識，這部分考量到衛生問題以及辨識速度。

人臉辨識透過人臉特徵的分析比對進行身分的驗證，別於其他生物辨識如虹膜辨識、指紋辨識，無須近距離接觸，也可以精準地辨識身分，且具有同時辨識多人的能力。因應新冠肺炎疫情肆虐全球，人臉辨識技術也被用來管理人來人往的人流。人臉辨識的儀器可以搭配紅外線攝影機來測量人體體溫，在門禁進出管制系統中，利於提高管理效率，有效掌握到進出人員的身分，以及幫助衛生福利部在做疫調時更容易掌握到確診病患行經的足跡。

人臉辨識的步驟

人臉辨識的過程與步驟，包括人臉偵測、人臉校正、人臉特徵值的摘取，進行機器學習與深度學習、輸出人臉模型，從影像中先尋找目標人臉，偵測到目標後會將人臉進行預處理、灰階化、校正，並摘取特徵值，接著人臉資料交給電腦進行機器學習與深度學習運算，最後輸出已訓練好的模型。相關辨識的步驟，如圖1所示。

人臉偵測

基於Haar臉部檢測器的基本思想，對於一個一般的正臉而言，眼睛周圍的亮度較前額與臉頰暗、嘴巴比臉頰暗等其他明顯特徵。基於這樣的模式進行數千、數萬次的訓練，所訓練出的人臉模型，其訓練時間可能為幾個小時甚至幾天到幾周不等。利用已經訓練好的Haar人臉特徵模型，可以有效地在影像中偵測到人臉。

Python中的Dilb函式庫提供了訓練好的人臉模型，可以偵測出人臉的68個特徵點，包括臉的輪廓、眉毛、眼睛、鼻子、嘴巴。基於這些特徵點的資料就能夠進行人臉偵測，如圖2～4所示。圖中左上角的部分是偵測到的分數，若分數越高，代表該張影像就越可能是人臉，右側括弧中的編號代表子偵測器的編號，代表人臉的方向，其中0為正面、1為左側、2為右側。

人臉的預處理

偵測到人臉後，要針對圖片進行預處理。通常訓練的影像與攝影鏡頭拍出來的照片會有很大的不同，尤其會受到燈光、角度、表情等影響，為了改善這類問題，必須對圖片進行預處理以減少這類的問題，其中訓練的資料集也很重要：

‧ 幾何變換與裁剪：將影像中的人臉對齊與校正，將影像中不重要的部分進行裁切，並旋轉人臉，並使眼睛保持水平。

‧ 針對人臉的兩側用直方圖均衡化：可以增強影像中的對比度，可以改善過曝的影像或是曝光不足的問題，更有效地顯示與取得人臉目標的特徵點。

‧ 影像平滑化：影像在傳遞的過程中若受到通道、劣質取樣系統或是受到其他干擾導致影像變得粗糙，藉由使用圖形平滑處理，可以減少影像中的鋸齒效應和雜訊。

人臉特徵摘取

關於人臉特徵摘取，相關的技術說明如下：

‧ 歐式距離：人臉辨識是一個監督式學習，利用建立好的人臉模型，將測試資料和訓練資料進行匹配，最直觀的方式就是利用歐式距離來計算所有測試資料與訓練資料之間的距離，選擇差距最小者的影像作為辨識結果。由於人臉資料過於複雜，且需要大量的訓練集資料與測試集資料，會導致計算量過大，使辨識的速度過於緩慢，因此需要透過主成分分析法（Principal Components Analysis，PCA）來解決此問題。

‧ 主成分分析法：主成分分析法為統計學中的方法，目的是將大量且複雜的人臉資料進行降維，只保留影像中的主成分，即為影像中的關鍵像素，以在維持精確度的前提下加快辨識的速度。先將原本的二維影像資料每列資料減掉平均值，並計算協方差矩陣且取得特徵值與特徵向量，接著將訓練集與測試集的資料進行降維，讓新的像素矩陣中只保留主成分，最後則將降維後的測試資料與訓練資料做匹配，選擇距離最近者為辨識的結果。由於影像資料經過了降維的步驟，因此人臉辨識的速度將會大幅度地提升。

‧ 卷積神經網路：卷積神經網路（Convolutional Neural Network，CNN）是一種神經網路的架構，在影像辨識、人臉辨識至自駕車領域中都被廣泛運用，是深度學習（Deep Learning）中重要的一部分。主要的目的是透過濾波器對影像進行卷積、池化運算，藉此來提取圖片的特徵，並進行分類、辨識、訓練模型等作業。在人臉辨識的應用中，首先會輸入人臉的影像，再透過CNN從影像提取像素特徵並轉換成特定形式輸出，並用輸出的資料集進行訓練、辨識等等。

何謂酒精鎖

酒精鎖（圖5）是一種裝置在車輛載體中的配備，讓駕駛人必須在汽車發動前進行酒測，通過後才能將車輛發動。且每隔45分鐘至60分鐘會發出要求，讓駕駛人在時間內再次進行檢測。

根據歐盟經驗，提高罰款金額以及吊銷駕照只有在短期實施有效，只有勸阻的效果，若在執法上不夠嚴謹，被吊照者會轉變成無照駕駛，因此防止酒駕最有效的方法就是強制讓駕駛人無法上路，這就是「酒精鎖」的設計精神。

在本國2020年3月1日起酒駕新制通過後，針對酒駕犯有了更明確且更嚴厲的規定，在酒駕被吊銷駕照者重考後，一年內車輛要裝酒精鎖，未通過酒測者無法啟動，且必須上15小時的教育訓練才能重考，若酒駕累犯三次，要接受酒癮評估治療滿一年、十二次才能重考。

許多民眾對於「酒精鎖」議論紛紛，懷疑是否會發生找其他人代吹酒精鎖的疑慮，為防範此問題，酒精鎖在啟動後的五分鐘內重新進行吹氣，且汽車在行駛期間的每45至60分鐘內，便會隨機要求駕駛重新進行酒測，如果沒有通過測量或是沒有測量，整合在汽車智慧顯示面板的酒精鎖便會發出警告，並勸告駕駛停止駕車。

對於酒精鎖的實施，目前無法完全普及到每一台車子，而且對於沒有飲酒習慣的民眾而言，根本是多此一舉，反而增加不少麻煩給駕駛。若還有每45～60分鐘的隨機檢測，會導致多輛汽車必須臨時停靠路邊進行檢測，可能加劇汽車違規停車的發生頻率。

認識區塊鏈

區塊鏈技術是一種不依賴於第三方，透過分散式節點（Peer to Peer，P2P）來進行網路數據的存儲、交易與驗證的技術方法。本質上就是一個去中心化的資料庫，任何人在任何時間都可以依照相同的技術標準將訊息打包成區塊並串上區塊鏈，而這些被串上區塊鏈的區塊無法再被更改。區塊鏈技術主要依靠了密碼學與HASH來保護訊息安全，也是賦予區塊鏈技術具有高安全性、不可篡改性以及去中心化的關鍵。區塊鏈相關概念，如圖6所示。

區塊鏈的原理與特性

可以將區塊鏈想像成是一個大型公開帳本，網路上的每個節點都擁有完整的帳本備份，當產生一筆交易時，會將這筆交易廣播到各個節點，而每個節點會將未驗證的交易HASH值收集至區塊內。接著，每個節點進行工作量證明，選取計算最快的節點進行這些交易的驗證，完成後會把區塊廣播給到其他節點，其他節點會再度確認區塊中包含的交易是否有效，驗證過後才會接受區塊並串上區塊鏈，此時就無法再將資料進行篡改。

關於區塊鏈的特性，可分成以下四部分做說明：

1. 去中心化：區塊鏈其中一個最重要的核心宗旨，就是「去中心化」，區塊鏈採用分散式的點對點傳輸，該概念架構中，節點與節點之中沒有所謂的中心，所有的操作都部署在分散式的節點中，而無須部署在中心化機構的伺服器，一筆交易或資料的傳輸不再需要第三方的介入，因此又可以說每個節點就是所謂的「中心」。這樣的結構也加強了區塊鏈的穩定性，不會因為其中的部分節點故障而癱瘓整個區塊鏈的結構。

2. 不可篡改性：透過密碼學與雜湊函數的運用來將資料打包成區塊並上鏈，所有區塊都有屬於它的時間戳記，並依照時間順序排序，而所有節點的帳本資料中又記錄了完整的歷史內容，讓區塊鏈無法進行更改或是更改成本很高，因此使區塊鏈具備「不可篡改性」，並且同時確保了資料的完整性、安全性以及真實性。

3. 可追溯性：區塊鏈是一種鏈式的資料結構，鏈上的訊息區塊依照時間的順序環環相扣，這便使得區塊鏈具有可追溯的特性。可追本溯源的特性適用在廣泛的領域中，如供應鏈、版權保護、醫療、學歷認證等。區塊鏈就如同記帳帳本一般，每筆交易記錄著時間和訊息內容，若要進行資料的更改，則會視為一筆新的交易，且舊的紀錄仍會存在無法更動，因此仍可依照過去的交易事件進行追溯。

4. 匿名性：在去中心化的結構下，節點與節點之間不分主從關係，且每個節點中都擁有一本完整的帳本，因此區塊鏈系統是公開透明的。此時，個人資料與訊息內容的隱私就非常重要，區塊鏈技術運用了HASH運算、非對稱式加密與數位簽章等其他密碼學技術，讓節點資料在完全開放的情況下，也能保護隱私以及用戶的匿名性。

區塊鏈與酒精鎖

由於區塊鏈的技術具備去中心化、記錄時間以及不可篡改的特性，且更加強酒精鎖的檢測需要身分驗證的保證性。當進行酒精鎖檢測解鎖時，系統記錄駕駛人吹氣時間以及車輛的相關資訊，還有人臉特徵資料打包成區塊並串上區塊鏈。因此，在同一時間當監控系統偵測到當前駕駛人與吹氣人不同時，此時區塊鏈中所記錄的資料便能成為一個強而有力的依據，同時也能讓其他的違規或違法事件可以更容易進行追溯。

酒駕防偽人臉辨識系統介紹

為了解決酒精鎖發生駕駛人代測的問題，酒精鎖產品應導入具有身分驗證性的人臉辨識技術。酒駕防偽人臉辨識系統即為駕駛人在進行酒精鎖解鎖時，要同時進行人臉辨識，來確保駕駛人與吹氣人為同一人。

在駕駛座前方的位置會安裝攝影鏡頭，作為駕駛的監控裝置。進行酒測吹氣的人臉資料將會輸入到該系統中的資料庫儲存，並將人臉資料以及酒測的時間戳記打包成區塊串上區塊鏈，當汽車已經駛動時，攝影鏡頭將會將當前駕駛人畫面傳回系統進行人臉比對驗證。如果驗證成功，會將通過的紀錄與時間戳一同上傳至區塊鏈，若是系統偵測到駕駛人與吹氣人為不同對象，系統將發出警示要求駕駛停車並重新進行檢測，並同時將此次異常的情況進行記錄上傳到區塊鏈中。

如果駕駛持續不遵循系統指示仍持續行駛，該系統會將區塊鏈的紀錄傳送回給開罰的相關單位，並同時發出警報以告知附近用路人該車輛處於異常情況，應先行迴避。且該車輛於熄火後，酒精鎖會將車輛上鎖，必須聯絡酒精鎖廠商或酒精鎖服務中心才能解鎖。相關的系統概念流程圖，如圖7所示。

區塊鏈打包上鏈模擬

在進行酒測解鎖完畢以及進行人臉資料儲存後，會透過CNN將影像轉換輸出成128維的特徵向量作為人臉資料的測量值，接著將128個人臉特徵向量資料取出，並隨著車輛資訊一起打包到同一個區塊，然後串上區塊鏈。取出的人臉特徵資料，如圖8所示。

要打包成區塊和上鏈的內容，包括了人臉特徵資料、車牌號碼、酒測解鎖時間點等相關輔助資料，接著透過雜湊函數將相關的資料打包成區塊。以車牌號碼ABC-1234為例，圖9顯示將車輛資料和人臉資料進行區塊鏈的打包，並進行HASH運算。

將人臉資料和車輛相關資料作為一次的交易內容，並打包區塊，經過HASH後的結果如圖10所示，其中prev_hash屬性代表鏈結串列指向前一筆資料，由於這是實作模擬情境，並無上一筆資料，其中messages屬性代表內容數，一筆代表車牌資料，另一筆則為人臉資料。time屬性則代表區塊上鏈的時間點，代表車輛解鎖的時間點。

情境演練說明

話說小禛是一間企業的上班族，平時以開車為上下班的交通工具，他的汽車配置了酒駕防偽影像辨識系統，以下模擬小禛下班後準備開車的情境。

已經下班的小禛今天打算從公司開車回家，當小禛上車準備發動車子時，他必須先拿起安裝在車上的酒測器進行吹氣，並將臉對準攝影鏡頭讓系統取得小禛的人臉影像。小禛在汽車發動前的人臉影像，如圖11所示。

待攝影鏡頭偵測到小禛的人臉後，接著系統便會擷取臉上五官的68個特徵點，如圖12所示。然後，相關數據再透過CNN轉換輸出成128維的特徵向量作為人臉資料的測量值，如圖13所示。

酒精鎖通過解鎖後，車輛隨之發動，解鎖成功的時間點將會記錄成時間戳記，隨著影像與相關資料串上區塊鏈。在行駛途中，設置在駕駛座前方的鏡頭將擷取目前駕駛的人臉，以取得駕駛人的128維人臉特徵向量測量值，並且與汽車發動前所存入的人臉資料進行比對，藉以判斷目前的駕駛人與剛才的吹氣人臉是否為同一位駕駛。當驗證通過後，也會再將通過的紀錄與時間戳上傳至區塊鏈中，如此一來，區塊鏈的訊息內容便完整記載了這一次駕車的紀錄，檢測通過的示意圖如圖14所示。

系統通過辨識後，便確認了駕駛人的身分與吹氣人一致。且透過時戳的紀錄和區塊鏈的輔助，也確保了駕駛的不可否認性。若有其他違規事件發生時，區塊鏈的紀錄便成為一個強而有力的依據來進行追溯。

如此一來，便可以預防小禛喝酒卻找其他人代吹酒測器的情況發生。在駕駛的途中，如果有需要更換駕駛人，必須待車輛靜止時，從車載系統發出更換駕駛要求，再重新進行酒測以及重複上述流程，才可以更換駕駛人。如果沒有按照該流程更換駕駛，系統將視為異常情況。

結語

酒駕一直是全球性的問題，將有高機率導致重大交通事故，造成人員傷亡、家庭破碎，進而醞釀後續更多的社會問題，皆是酒駕所引發的不良效益。為了解決酒駕的問題，各個國家都有不同的酒駕標準或是法律規範，但是大部分國家的規範和制度都只有嚇阻作用卻無法完全遏止。在不同的國家防止酒駕的方式不盡相同，有的國家如新加坡，透過監禁及鞭刑來遏止酒駕犯，又或者是薩爾瓦多，當發現酒駕直接判定死刑，這樣的制度雖嚇阻力極強，但是若讓其他國家也跟進，會造成違憲或是違反人權等問題。因此，各國都在酒駕的問題方面紛紛投入研究，想要達到零酒駕的社會。

為達成此理想，本文介紹了基於區塊鏈的酒駕防偽辨識系統，利用酒精鎖搭配人臉辨識技術以及區塊鏈技術，使有飲酒的駕駛人無法發動汽車。且該系統搭載在行車電腦中，結合攝影鏡頭的監控對駕駛進行酒測防制管理，將人臉資料、酒精鎖、解鎖時間點與相關資訊打包成區塊並上鏈。基於區塊鏈技術內容的不易篡改，可加強駕駛人的不可否認性，當汽車發生異常情況時，便能利用有效且可靠的依據進行追溯。人工智慧和物聯網時代已經來臨，透過酒駕防偽辨識系統來改善酒駕問題，在未來能夠普及並結合法規，智慧汽車以及智慧科技的應用將會帶給人們更安全、更便利的社會。

附圖：圖1 人臉辨識的步驟。
圖2 人臉特徵點偵測（正臉）。
圖3 人臉特徵點偵測（左側臉）。
圖4 人臉特徵點偵測（右側臉）。
圖5 酒精鎖。 （圖片來源：https://commons.wikimedia.org/wiki/File:Guardian_Interlock_AMS2000_1.jpg with Author: Rsheram）
圖6 區塊鏈分散式節點的概念圖。
圖7 系統概念流程圖。
圖8 取出人臉128維特徵向量。
圖9 儲存車輛相關資料及人臉資料到區塊。
圖10 HASH後及打包成區塊的結果。
圖11 汽車發動前小禛的人臉影像。
圖12 小禛的人臉影像特徵點。
圖13 小禛的人臉特徵向量資料。
圖14 系統通過酒測檢測者與駕駛人為同一人。

資料來源：https://www.netadmin.com.tw/netadmin/zh-tw/technology/CC690F49163E4AAF9FD0E88A157C7B9D

AI加值智慧製造 鋼鐵傳產乘浪而起

芮嘉瑋／專欄 2021-01-28 02:45

2020年面對COVID-19(新冠肺炎)的襲擊，疫情籠罩之下各行各業幾乎空轉一年，投資購買設備及原料的腳步也都放緩，預期新的一年，隨著疫情穩定與經濟復甦，許多企業勢必加速添購設備和增加庫存料，鋼材需求可望隨著市場回升而轉強，且至少旺到第2季。

舉例來說，在汽車的構造上，有相當高的比例是使用鋼板，包括車門、引擎蓋、後車箱、底盤、車頂等，所以汽車業的好壞，間接影響了鋼材的需求。這2年汽車上游原材料反應了因電動車興起所展開的換車潮，從而鋼市好轉、鋼價高漲，幾乎各國都是如此。

隨著消費型態轉變，產品生命週期縮短，各行各業面臨客製化的挑戰，並在智慧工廠生產流程的訴求下，往往需要智慧機械、智慧製造設備以從事更複雜的生產工作，鋼鐵傳產業也不例外。然而，現有機器人或製造機台受限於原本功能單一又無法擴充的窘境，必須藉由人工智慧、物聯網、大數據等各種新興技術多元化功能的整合，以利製造業數位轉型升級，因應瞬息萬變的市場挑戰，凸顯「智慧製造」的概念是企業轉型升級的唯一出路。

何謂智慧製造？

經歷4次工業革命的演進，第4次工業革命被視為「工業4.0」，且因智慧製造是工業4.0的核心部件，在製造產業兩者幾乎可劃上等號，從而「工業4.0」常被稱為「智慧製造」。

在工業4.0的時代驅動下，現今製造業不斷與數種新興技術結合，從而工業4.0被定義為「製造技術中整合了網路安全(cybersecurity)、擴增實境(AR)、大數據、自主機器人(autonomous robots)、積層製造(additive manufacturing)、模擬(simulation)、系統整合(system integration)、雲端運算(cloud computing)和物聯網等技術使之具有自動化、聯網、數據交換以及智能工廠所需功能的系統平台」 。

因此，智慧製造實際上需要整合以上所述之各種關鍵領域技術的同步發展以建構出相應的產業生態體系，並在生產過程的每一個環節都能達到高度自動化、客製化與智慧化的先進製造模式，使生產環境具備自我感知、自我學習、自我決策、自我執行以及自我適應的能力，以適應快速變化的外部市場需求。

如何利用AI加持智慧製造

由於智慧製造包括連網(connection)、轉化(conversion)、虛擬(cyber)、認知(cognition)和自我配置(configure)等能力 ，其中利用機器學習、深度學習等AI技術使機器具備自我診斷並即時做出判斷的認知能力，就是AI之所以成為智慧製造核心技術之所在，它可以從大量原始數據中自動提取關鍵特徵及製造業中規律性的模式，進而學習過往曾經發生過的錯誤，以提前作預測及預警，藉此不僅可降低停機時間、提升製程效率，也可適時的根據產線作調整。

至於該如何利用AI加持智慧製造，讓我們看看國內鋼鐵龍頭中國鋼鐵股份有限公司(簡稱中鋼公司)，在其智慧生產技術中導入AI實現智慧製造的專利布局，提供製造業者掌握AI加值智慧製造，讓工廠轉型升級邁向智慧工廠。

中鋼發明一種透過人工智慧演算模組在生產製程中進行估測及控制的系統(TWI704019)，具體而言，係透過人工智慧演算模組所產生的估測鋼帶翹曲模型對鋼帶翹曲量進行估測，而該人工智慧演算模組係利用機器學習模組、深度學習模組或者使用一雲端伺服器模組評估該製程參數及該翹曲量。

該專利提供一種包含熱浸鍍鋅設備100、矯正機構130、感測模組150、人工智慧演算模組160以及最佳化演算模組165的熱浸鍍鋅鋼帶翹曲量估測系統。其中，該人工智慧演算模組160連接該感測模組150及該熱浸鍍鋅設備110，用以收集且評估該熱浸鍍鋅設備110中諸如產線速度、張力、鋼帶鋼種、鋼帶寬度、鋼帶厚度、鋼帶剛性等製程參數及翹曲量，進而可產生估測鋼帶翹曲模型，且該估測鋼帶翹曲模型包含一矯正干涉量，用以供矯正機構130矯正鋼帶。

經過大量數據的累積，該估測鋼帶翹曲模型還可以包含來自該最佳化演算模組165的製程參數最佳值，當類似或相同的製程參數(例如類似或相同鋼種)的鋼帶需要進行熱浸鍍鋅時，該估測鋼帶翹曲模型就會顯示諸如最佳張力、最佳產線速度、最佳矯正干涉量等製程參數最佳值，供操作者參考，從而獲得翹曲量最少且鍍鋅厚度一致的鍍鋅鋼帶。

再者，由於一般的鋼捲產品需要經過諸如煉鋼、熱軋和冷軋等許多生產階段，為了讓產品的機械性質符合預定的規範，過去往往依賴人為經驗調整生產階段的製程參數，然而，人為經驗難以即時反應生產線狀況，中鋼就此發明一種適用於一軋延系統之製程參數的調控方法(TWI708128)，當執行完一部分的生產階段以後，可以即時地計算下一個生產階段的製程參數，其中之製程參數的調控方法包括根據歷史資料建立一機器學習模型，後續並將測試資料輸入至機器學習模型以預測目前產品的機械性質等步驟。

在該專利之軋延系統的運作流程示意圖中，在步驟220，可根據這些歷史資料來建立一個機器學習模型221，此機器學習模型221是要根據生產參數來預測產品諸如拉伸強度、降伏強度和伸長率等的機械性質，換言之在訓練階段中生產參數是作為機器學習模型221的輸入，機械性質則作為機器學習模型221的輸出。機器學習模型221可以是卷積神經網路、支持向量機、決策樹或任意合適的模型。

在步驟230，對目前在線上的產品執行部分的生產階段。在步驟240中，將測試資料輸入至機器學習模型221以預測目前產品的機械性質，並判斷所預測的機械性質是否符合一規範。在步驟250中，依照預設生產參數進行下一個生產階段。

如果步驟240的結果為否，則執行一搜尋演算法以取得最佳的生產參數，並據此實施下一個生產階段(步驟260)。其中，執行搜尋演算法以取得調控後參數的步驟包括：設定一利益函數；將尚未完成生產階段的可調控參數與線上資料合併後輸入至機器學習模型以取得預測機械性質，並根據利益函數計算出預測機械性質的誤差值；以及取得最小誤差值所對應的可調控參數以作為調控後參數。

此外，中鋼亦發明一種設備監診方法(I398629)，係在設備故障監診分析流程的邏輯下導入類神經網路(neural network)之人工智慧，以便在決策分析時有效解決故障類型分類方面問題。

給台灣製造業的建議與展望導入AI技術、配合感測器收集各類數據以及大數據分析進行諸如產線異常診斷或品質監控，以維持機器正常運作無虞是智慧工廠有效運作的基礎。然而，智慧製造除了藉由智慧機械建構智慧生產線、透過雲端和物聯網分析資料、AI自主監測診斷調整產線產能之外，虛實整合系統(或稱網路實體系統，Cyber-physical systems)也是構成工業4.0創建智慧製造所需的功能之一，整合物理模型、感測器資料和歷史數據，在虛擬空間即時模擬呈現生產狀態，透過遠程監視或跟踪與工廠現有的資訊管理系統緊密整合，建立完整資訊生態系統才能透過AI即時彙整資訊進行決策。

未來製造業仍將是全球產業不可或缺的一環，隨著工業4.0的蓬勃發展，台灣製造業在邁向智慧製造過程中，所有智慧化的步驟都需要運用AI來執行分析、診斷、預測或決策等工作，欣見國內鋼鐵龍頭已率先落實AI加值智慧製造，然而若能整合虛擬(Cyber)，強化與工業物聯網之整合，更可提升透過AI提高組織運作效率及效能的目的。

過去製造業藉由大量生產與低價競爭已非決勝關鍵，如何協助國內產業在後疫情時代轉型升級，是當前的重要議題。持續強化在地製造業與資訊業領域的技術整合優勢，透過機器學習、類神經網路或深度學習等AI技術的導入，並與使用者/消費者連結形成完整的製造服務體系，將可望從傳統製造體系中依賴人為經驗、人力需求及規格一致的常態，轉換為自動化、客製化、智慧化和靈活彈性化的智慧製造。本文以鋼鐵龍頭之典範轉移為例，以期台灣所有製造產業均應具備智慧製造的軟硬實力，才能持續在全球製造體系中發光發熱。

附圖：鋼帶翹曲量估測及控制系統結構示意圖。芮嘉瑋
台灣專利號I708128之軋延系統的運作流程示意圖。芮嘉瑋

資料來源：https://www.digitimes.com.tw/tech/dt/n/shwnws.asp?cnlid=1&cat=140&id=0000602586_r1c6gnef7wl2247ink60m