48
提案數
1
諮詢數
0
成交數
100%
回覆率
- 軟體開發類
- AI 自動化流程
- AI 導入顧問
- AI 內容代寫
- 生成式 AI
- +5
2 年全端開發經驗,熟悉 .NET、Vue、Python、React 等技術,能獨立處理前後端系統開發、API 串接與功能維護。曾參與政府機關、警察局相關系統開發,具備正式專案流程、權限控管與穩定性需求的實務經驗。可承接後台管理系統、業務系統、資料處理與客製化功能開發。
作品(3)
公共工程品質管理系統
【問題】 公部門的品質管理流程牽涉多層表單簽核與稽核紀錄,紙本與 Excel 併行時容易出現版本不一致,查詢歷史資料也很費時。 【我的角色】 全端開發與維護,負責表單流程設計、查詢模組、權限管理與報表匯出等功能。 【技術架構】 ・後端:ASP.NET Core Web API + SQL Server,資料表結構與索引依實際查詢情境設計 ・前端:Vue.js 與 jQuery 完成表單互動與資料視覺化 ・權限:依角色控管各層級的可見與可編輯範圍,所有異動留下稽核紀錄 ・部署:Docker 容器化,搭配 Git 進行團隊協作與版本管理 【成果】 承辦人員不再需要人工彙整報表,表單流程與異動紀錄都留在系統內,稽核時可直接沿紀錄回溯查證,不用再翻紙本對版本。 同期也負責警察局案件處理系統與公共管線管理系統的全端開發,都是對資料正確性、權限控管與穩定性要求較高的正式專案,熟悉需求訪談到上線維護的完整流程。
- 全端系統開發
工安巡檢AI文件生成系統
【問題】 工地巡檢仰賴人員逐點拍照、回辦公室再手動整理成報告,一份報告往往要花半天,且危害項目容易因人而異漏記。 【我的角色】 全端開發,從影像接入、模型辨識到報告產出的整條流程都由我負責實作與上線。 【技術架構】 ・影像接入:同時串接多路 CCTV / RTSP 串流,處理斷線重連與取幀節流 ・危害辨識:以視覺 LLM 判讀畫面中的危害情境,搭配自行訓練的人員偵測模型(資料集標註、MobileNetV3 訓練)提高特定工項的準確率 ・報告產出:辨識結果依範本自動生成 DOCX / PDF 巡檢報告,含時間、地點、危害類別與佐證畫面 ・部署:Docker 容器化,推論工作分派到 GPU 工作站與 Jetson 邊緣裝置 【成果】 巡檢報告從人工整理半天變成辨識完即時產出,巡檢人員不用再回辦公室補文件。危害判定改由同一套標準執行,不再因人而異,且每筆都附畫面佐證可供回溯。
- AI 系統開發
工地安全帶辨識自動開門
【問題】 高處作業規定必須將安全帶掛扣固定,但靠人力監督不可能全時盯著,違規通常是事後才發現,稽核也缺乏客觀證據。 【我的角色】 從訓練資料處理、模型訓練、邊緣部署到現場判定規則,整條流程都由我負責。 【技術架構】 ・資料集:現場影像標註建集。以 SAM2 輔助預標加速,但訓練集一律經人工確認,純預標不進訓練與驗證集,避免錯誤標註讓準確度失真 ・模型:YOLO 實例分割,辨識安全帶、掛勾、繩索、背心、已掛扣狀態、安全帽共 6 類,依現場回饋持續迭代調校 ・情境判定:不只看單張畫面有沒有出現物件,而是綜合掛勾與繩索的相對關係判斷「是否真的扣上」,減少誤判 ・邊緣推論:兩台 Jetson Orin 各自轉出 TensorRT engine 在現場即時推論,不依賴雲端往返 ・連動控制:判定作業人員已正確掛扣後才解鎖門禁,未掛扣則維持關閉 【成果】 安全帶掛扣從事後抽查變成當下判定——未正確掛扣就不解鎖,違規在發生當下被攔住,現場不必有人全時盯著。判定結果同時留下事件紀錄,稽核時有客觀依據。
- AI 影像辨識
作品(3)
公共工程品質管理系統
【問題】 公部門的品質管理流程牽涉多層表單簽核與稽核紀錄,紙本與 Excel 併行時容易出現版本不一致,查詢歷史資料也很費時。 【我的角色】 全端開發與維護,負責表單流程設計、查詢模組、權限管理與報表匯出等功能。 【技術架構】 ・後端:ASP.NET Core Web API + SQL Server,資料表結構與索引依實際查詢情境設計 ・前端:Vue.js 與 jQuery 完成表單互動與資料視覺化 ・權限:依角色控管各層級的可見與可編輯範圍,所有異動留下稽核紀錄 ・部署:Docker 容器化,搭配 Git 進行團隊協作與版本管理 【成果】 承辦人員不再需要人工彙整報表,表單流程與異動紀錄都留在系統內,稽核時可直接沿紀錄回溯查證,不用再翻紙本對版本。 同期也負責警察局案件處理系統與公共管線管理系統的全端開發,都是對資料正確性、權限控管與穩定性要求較高的正式專案,熟悉需求訪談到上線維護的完整流程。
- 全端系統開發
工安巡檢AI文件生成系統
【問題】 工地巡檢仰賴人員逐點拍照、回辦公室再手動整理成報告,一份報告往往要花半天,且危害項目容易因人而異漏記。 【我的角色】 全端開發,從影像接入、模型辨識到報告產出的整條流程都由我負責實作與上線。 【技術架構】 ・影像接入:同時串接多路 CCTV / RTSP 串流,處理斷線重連與取幀節流 ・危害辨識:以視覺 LLM 判讀畫面中的危害情境,搭配自行訓練的人員偵測模型(資料集標註、MobileNetV3 訓練)提高特定工項的準確率 ・報告產出:辨識結果依範本自動生成 DOCX / PDF 巡檢報告,含時間、地點、危害類別與佐證畫面 ・部署:Docker 容器化,推論工作分派到 GPU 工作站與 Jetson 邊緣裝置 【成果】 巡檢報告從人工整理半天變成辨識完即時產出,巡檢人員不用再回辦公室補文件。危害判定改由同一套標準執行,不再因人而異,且每筆都附畫面佐證可供回溯。
- AI 系統開發
工地安全帶辨識自動開門
【問題】 高處作業規定必須將安全帶掛扣固定,但靠人力監督不可能全時盯著,違規通常是事後才發現,稽核也缺乏客觀證據。 【我的角色】 從訓練資料處理、模型訓練、邊緣部署到現場判定規則,整條流程都由我負責。 【技術架構】 ・資料集:現場影像標註建集。以 SAM2 輔助預標加速,但訓練集一律經人工確認,純預標不進訓練與驗證集,避免錯誤標註讓準確度失真 ・模型:YOLO 實例分割,辨識安全帶、掛勾、繩索、背心、已掛扣狀態、安全帽共 6 類,依現場回饋持續迭代調校 ・情境判定:不只看單張畫面有沒有出現物件,而是綜合掛勾與繩索的相對關係判斷「是否真的扣上」,減少誤判 ・邊緣推論:兩台 Jetson Orin 各自轉出 TensorRT engine 在現場即時推論,不依賴雲端往返 ・連動控制:判定作業人員已正確掛扣後才解鎖門禁,未掛扣則維持關閉 【成果】 安全帶掛扣從事後抽查變成當下判定——未正確掛扣就不解鎖,違規在發生當下被攔住,現場不必有人全時盯著。判定結果同時留下事件紀錄,稽核時有客觀依據。
- AI 影像辨識
服務(3)
評價(0)
--
尚無資料
--%
專案完成率
尚無資料
諮詢印象
尚無資料,期待您聯絡後的真實感受
- ??
- ??
- ??
- ??
- ??
- ??
- ??
- ??
專案執行
尚無資料,給新星專家一個展現的機會!
整體推薦
溝通契合
專業能力
準時交付
回覆速度

