樂高科技零件的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列問答集和整理懶人包

LEGO Technic不插電創意集|聰明酷玩意

為了解決樂高科技零件的問題，作者YoshihitoIsogawa 這樣論述：

　　樂高大師帶您玩樂高 　　本書精選了106個無須馬達的可愛小裝置，讓您可以親自製作與把玩。每個專題都有不同角度的彩色照片，並標示了所需的樂高科技系列零件幫助您順利完成。各個作品從簡單的舉起、抓取、涉及與量測等實用工具，直到各種用於呈現機械工程原理的小裝置。 　　不插電也能做出精巧的精巧裝置 　　本書所收錄的作品不需要任何電子元件或感測器。反之，您會透過曲柄、絞盤、門片與轉子來操作渦輪、陀螺、夾取工具與呼吸紀錄器等裝置。這些精巧的動作會讓您在玩樂的過程中靈機一閃，做出獨一無二的奇幻機械。 　　本書是樂高大師五十川芳仁老師的心血結晶。每本書都是五十川老師的精彩作品，想必可以點燃所有年齡層

樂高玩家的想像力。 　　想像、創作、發明。現在，歡迎您一起來玩！ 各界推薦 　　“ 這套書真是製作各種機構的絕妙寶典。”—JOE MENO, BrickJournal 　　“ 超多樂高機構的巧思。就算你已經是老手，這套書裡一定有你從未見過的好點子。”—BILL WARD, Brickpile 　　“ 我之所以喜歡這些酷炫的小作品，是因為它們可用來教授各種科學觀念，像是齒 　　輪、牛頓定律以及動能位能轉換，這還只是我目前想到的而已呢！”—THE ROBOTIC REALM 　　“ 任何人只要喜歡樂高、用樂高來製作原形或喜歡各種機械機構，這套書絕對必 　　看，我真的不知道沒有這套書的日

子是怎麼過來的。”—LENORE EDMAN, Evil Mad Scientist Laboratories  

樂高科技零件進入發燒排行的影片

深度學習應用於電腦輔助教學之研究

為了解決樂高科技零件的問題，作者翁子微 這樣論述：

在進行樂高WeDo 2.0教學時，課程會以任務導向的方式給予孩童一步步完成教學內容，但在過程可能面臨組裝上的失誤，從而導致課程進展的不順利，故本論文將透過深度學習作為工具建立一套系統，藉由該輔助系統協助孩童在學習，藉此提升學生對課程的學習力以及信心度以達成電腦輔助用於提升樂高WeDo 2.0學習成效之目的。因此本篇論文使用深度學習物件辨識的方法，達到在組裝過程協助孩童區分零件，讓建立積木的過程更為順利。在樂高WeDo 2.0零件辨識上，採用YOLOv5進行物件辨識模型的訓練及辨識，而資料集上取用手動拍攝進行資料收集，並比較YOLOv4和YOLOv5間的差異。最後將辨識模型結合輔助教學介面使整

套系統完善，讓孩童能夠藉由與系統互動達成目標，藉此達成電腦輔助教學之成效。

LEGO Technic 不插電創意集|簡易機器

為了解決樂高科技零件的問題，作者YoshihitoIsogawa 這樣論述：

樂高大師帶您玩樂高 　　本書精選了141個無須馬達的可愛小裝置，讓您可以親自製作與把玩。每個專題都有不同角度的彩色照片，並標示了所需的樂高科技系列零件幫助您順利完成。各個作品都包含了某種簡易機構，從齒輪的動力與轉動，一直到能自行移動的小車來呈現各種線性、擺動、旋轉與往復式的動作。 　　不插電也能做出精巧的機械裝置 　　本書所收錄的作品不必使用任何電子元件或感測器。而是透過曲柄、鍊條、凸輪、齒條、橡皮筋、重塊與飛輪來運作。您會在製作這些專題的過程中慢慢累積各種技術，靈機一閃做出獨一無二的奇幻機械。 　　本書是樂高大師五十川芳仁老師的心血結晶。每本書都是五十川老師的精彩作品，想必可以點

燃所有年齡層樂高玩家的想像力。 　　想像、創作、發明。現在，歡迎您一起來玩！ 各界推薦 　　“ 這套書真是製作各種機構的絕妙寶典。”—JOE MENO, BrickJournal 　　“超多樂高機構的巧思。就算你已經是老手，這套書裡一定有你從未見過的好點子。”—BILL WARD,Brickpile 　　“ 我之所以喜歡這些酷炫的小作品，是因為它們可用來教授各種科學觀念，像是齒 　　輪、牛頓定律以及動能位能轉換，這還只是我目前想到的而已呢！”—THE ROBOTIC REALM 　　“ 任何人只要喜歡樂高、用樂高來製作原形或喜歡各種機械機構，這套書絕對必 　　看，我真的不知道沒有這套

書的日子是怎麼過來的。”—LENORE EDMAN, Evil Mad Scientist Laboratories  

智慧樂高零件分類機

為了解決樂高科技零件的問題，作者范庭瑄 這樣論述：

近年來不論是社團活動、營隊或是學校的大小型比賽都會使用到樂高，應用非常的廣泛，但在組裝樂高零件之前往往都因為零件太過於雜亂而無從下手，或是在找零件的時間上花費大量的人力時間而導致了效率降低，而現在有了樂高分類機，是利用長度、型狀大小來分辨不同種類的長度的輪軸分類機(LEGO自動分類機)依據，考慮到這台機器分的種類太過單一(只分類一種零件，種類也不夠多)，而且現在樂高零件的基本配備也越來越多樣化了。近期人工智慧技術開始了第三次的起飛，在辨識圖像功能方面，人工智慧的效能甚至超越人類。而本論文規劃利用人工智慧深度學習技術，訓練出樂高分類模型，分成四類: 方磚1x2、長銷、圓型平板1x1、圓型轉盤2

x2，最後與分類硬體機械結合，進行樂高分類整合測試。本論文基於人工智慧深度學習技術，利用Tensorflow為基底的高階語言Keras套件來建立深度學習的類神經網路架構，規劃用電腦視覺中的物件偵測分類神經網路架構SSD_Mobilenet V2，實現偵測物件位置與類別，達成樂高分類的效果。先把每類的資料收集完，每類平均收集400張，四類共收集了1600張有標記類別的圖片用來訓練，再利用自由落體的方式運用工業鏡頭來擷取零件由上到下的畫面，訓練完成的辨識引擎再與硬體機構整合，完成樂高零件的分類功能。本論文製作之流程，第一階段找適合的攝影設備與硬體設備，用一顆CMOS的工業鏡頭來擷取零件從上到下瞬間

掉落的畫面，第二階段建立適用於樂高零件偵測與分類的神經網路模型，再結合NVIDIA的Jetson Nano做訓練，並使用測試資料進行靜態測試，第三階段設計蒐集資料集機制與製作訓練計畫，完成1600張包含有標記的資料蒐集，第四階段將訓練完成的物件偵測分類模型與硬體整合，第五階段準備一批不在訓練資料集的樂高零件做整合測試，最後要能夠準確分類出方磚1x2、長銷、圓型平板1x1、圓型轉盤2x2。關鍵字:深度學習、LEGO、樂高零件分類機、Tensorflow、Keras、NVIDIA、Jetson Nano、SSD_Mobilenet