針對工業產線 IPC 環境開發的混合式 AOI 系統。整合『規則式定位』與『深度學習分類』，在不依賴高階 GPU 的情況下，實現低延遲與高精度的雙重指標。
以 DE-MRBFNN 建立即時預測模型，並搭配 NSGA3 多目標演算法，完成氣冷單元式資料中心的節能控制。
基於 C# 實作的 Anime4K 影像強化演算法，提供 WinForms 介面進行即時參數調校，專注於動漫風格影像的邊緣銳化與質感提升。
從模型訓練、影像處理到推論部署與工程驗證
以 DE-MRBFNN + NSGA3 建構多目標節能模型，成功讓資料中心 PUE 降低 7% 並發表研討會論文。
累積機構與製造背景，奠定後續在電、光、熱控制與系統整合的跨域視角。
我是許應良，畢業於北科大自動化科技研究所，擅長深度學習、影像辨識與數據流程自動化，樂於將複雜的演算法轉化為具備實質效益的技術方案。
在研究所期間，我致力於提升 AI 模型在工業環境中的可靠性。針對 AOI 產線的低漏判要求，我參與 IC 載板瑕疵檢測專案，負責資料標註與特徵工程，透過標準良品影像結合工廠專家判定，建立特徵基準，讓訓練資料更一致，協助專案達到 94.44% 召回率、87.5% 精準度與 92.87% F2-score。
我也與冷凍空調系合作「氣冷單元式資料中心」，處理多參數冷卻最佳化問題。負責 AI 模型建立與測試，利用 DE-MRBFNN 與 NSGA3 演算法開發節能模型，在實驗環境成功降低 7% PUE，也訓練我把技術語言轉化為跨領域共識。
在實務經驗上，我專注透過技術創新解決關鍵瓶頸，建立嚴謹的邏輯分析與系統化開發能力。於車用 LED 研發替代役期間，面對亮度上限的熱瓶頸，透過治具改良與散熱路徑設計，讓元件縮小 15% 並提高 10% 亮度；近期則致力於開發混合動力（Hybrid）瑕疵檢測系統，整合 OpenCV 與 OpenVINO 推論優化技術，解決產線即時性與精準度的平衡難題。
憑藉扎實的演算法基礎、車用研發累積的嚴謹流程與系統開發經驗，我具備從資料到演算法再到部署的完整實作力。期待在專業技術環境深耕，運用跨領域視野協助團隊打造精準且高效的解決方案，為企業創造實質價值。
