這是一個結合電腦視覺與機械控制的動態追蹤系統，透過已訓練的 YOLOv7 模型進行汽車商標偵測，並利用 Suruga Seiki KYL06200 XY 軸滑台實現自動追蹤移動。此專案主要應用於非線性空間下，對目標物位置進行快速反應與精確定位。
- 📷 使用攝影機即時擷取影像
- 🧠 使用 YOLOv7 模型進行車標辨識
- 📍 透過自建神經網路預測滑台移動距離
- 🛰️ 控制 Suruga Seiki KYL06200 XY 滑台移動至預測座標
- 📉 設計兩種停止條件保護機構運作：
- 連續偵測不到目標物
- 連續預測位置超過滑台限制
| 類別 | 技術 |
|---|---|
| 語言 | Python 3.x |
| 物件偵測 | YOLOv7 |
| 圖像處理 | OpenCV |
| 神經網路建構 | PyTorch |
| 數據預處理 | Scikit-learn |
| 資料讀取 | pandas, Excel |
| 機構控制 | Serial 通訊控制滑台 |
- 攝影機擷取畫面：每隔幾幀進行一次車標檢測
- YOLOv7 物件偵測：輸出偵測結果並取得中心座標
- 定位模型推論：使用神經網路預測所需移動距離
- 滑台移動指令：透過 serial 傳送控制指令至 XY 滑台
- 終止條件判斷：確保安全性並避免錯誤動作
- YOLOv7 預訓練模型位於
runs/train/exp30/weights/best.pt - 自建定位神經網路：
trained_model20231001.pth - 標準化資料集為
點位記錄整理.xlsx，包含座標對應訓練資料
- 品牌：Suruga Seiki 駿河精機
- 型號：KYL06200（XY 軸直線滾珠滑台）
- 控制方式：透過 COM 連接之序列埠傳送 G-code 風格指令
- 移動限制：X, Y 皆為 ±48 單位（自行設定的邏輯範圍）
可於執行程式時於 OpenCV 視窗即時觀察 YOLOv7 偵測結果與滑台反應狀況。
- 請先確認 Serial Port 是否正確（預設為
COM3） - 若使用不同的滑台機構，請自行調整指令格式
- 本程式碼設計於研究用途，請勿於工業生產環境中直接使用