🤖 Floaino：影像辨識 (Image Classifier) 教學

第一步：載入擴充功能

1. 進入 Floaino 編輯器。

2. 點擊左方的 AI > Basic

3. 選擇 「Image Classifier (影像辨識)」

   

   • 把「Image Classifier (影像辨識)」拖拉到右方編程區

   • ---

第二步：建立分類 (收集資料)

|

在訓練視窗中 (Model Training Window)：

1. 設定類別 (Class)：

   • 將 Class 1 改名為你想要辨識的物品，例如 Apple (蘋果)。

   • 將 Class 2 改名為另一個物品，例如 Orange (橙)。

   • 建議保留一個 Background (背景) 類別，錄製什麼都沒有的畫面，讓電腦知道「休息狀態」。

   • /

2. 錄製影像 (Webcam)：

   • 點擊 紅色 按鈕拍攝圖像。

     

   • 圖像來源可以是圖片或來自Camera。

   • /

雙擊中間圖片： 可修改Class名稱 和 刪除錯誤圖片。

第三步：訓練模型 (Training)

1. 確認每個類別都有足夠的照片。

2. 點擊 「Train Model (訓練模型)」 按鈕。

3. 等待： 系統會開始跑進度條，這時不要關閉視窗。

   

4. 測試： 訓練完成後，按「PREDICT」，模型便開始分析圖像。

   

5. /

第四步：編寫積木程式

回到 Floaino 的積木編輯區，使用剛剛訓練好的模型來寫程式。

可以在 Control > Condition , 拖拉Switch到編程區

在左下角「settings」剔選「Application」

然後便可在 Application > Robot , 選一個機械人根據圖像辨識結果做不同動作。


💡 進階：結合 micro:bit

如果你想讓辨識結果控制 micro:bit (例如：看到蘋果亮燈)：

1. 加入 micro:bit 擴充功能。

2. 修改程式：

   • 如果 辨識結果 = Apple ➔ micro:bit 顯示圖示 愛心

   • 如果 辨識結果 = Orange ➔ micro:bit 顯示圖示 笑臉

⚠️ 常見問題與技巧

1. 背景單純化： 訓練時背景越乾淨 (例如白牆)，辨識越準確。

2. 光線一致： 如果你是在白天訓練，晚上使用時光線變暗，辨識率會下降。

3. 給AI的圖像要多元化： 如果只有一種距離、一種角度，物體稍有改變就會使辨認率大幅下降。