Node-RED+YOLO+ESP32-CAM: AIoT智慧物聯網與邊緣AI專題實戰 | 誠品線上

Node-RED+YOLO+ESP32-CAM: AIoT智慧物聯網與邊緣AI專題實戰

內容簡介

內容簡介 當人工智慧結合物聯網成為未來主流，本書提供一條簡單易學的路徑，帶你從視覺化流程工具Node-RED入門，逐步整合YOLO物體偵測、Teachable Machine影像辨識與LLM大型語言模型，打造出屬於自己的智慧感知系統。全書以圖解＋範例方式呈現，並搭配專為本書設計的fChartEasy綠化開發套件，簡化安裝流程快速上手。不論是專題學生、教師或AIoT初學者，都能從中找到有用且完整的解決方案。 本書特色  視覺化開發×無痛入門 掌握Node-RED建置儀表板、網站與REST API，不需寫程式輕鬆上手AIoT  整合主流AI技術與實作 從Teachable Machine、YOLO到LLM，搞懂生成式AI在物聯網的實戰應用  完成AIoT跨領域整合專案 打造ESP32-CAM影像感測與車牌辨識的智慧邊緣裝置，實現完整AIoT應用場景 零基礎也能打造AI物聯網， 用Node-RED整合YOLO與LLM， 全方位建構你的AIoT與邊緣AI應用！ 當人工智慧結合物聯網成為未來主流，本書提供一條簡單易學的路徑，帶你從視覺化流程工具Node-RED入門，逐步整合YOLO物體偵測、Teachable Machine影像辨識與LLM大型語言模型，打造出屬於自己的智慧感知系統。全書以圖解＋範例方式呈現，並搭配專為本書設計的fChartEasy綠化開發套件，簡化安裝流程快速上手。不論是專題學生、教師或AIoT初學者，都能從中找到有用且完整的解決方案。 內容重點 ➤ 使用Node-RED視覺化流程建立監控儀表板（Dashboard）、MVC網站、REST API和使用MySQL資料庫儲存感測器數據。 ➤ 詳細說明MQTT通訊協定、取得網路OpenData與JSON資料剖析、寄送Email電子郵件與Telegram通知。 ➤ 使用Teachable Machine與YOLO訓練自己的AI模型，並且串接LLM來輕鬆使用Node-RED整合生成式AI，建立你的AIoT智慧物聯網應用。 ➤ 完整YOLO模型訓練步驟，只需執行各步驟的Python工具程式，就可以使用LabelImg標註圖片建立資料集，訓練出你自己的YOLO物體偵測模型。 ➤ 提供綠化版Node-RED+Python整合套件fChartEasy，免安裝輕鬆幫助你建構學習本書內容所需的Windows開發環境。 你將學會以下實作專案： ✔ 建立溫溼度監控儀表板、繪製Node-RED圖表、送出天氣通知 ✔ 使用Teachable Machine 模型、標註圖檔、YOLO客製化模型 ✔ 打造透過MQTT控制的ESP32-CAM相機與IP Camera，輕鬆建立你的AI之眼 ✔ 建立AI猜拳遊戲、OCR車牌辨識、物體偵測、即時串流偵測、路況分析

作者介紹

作者介紹 陳會安 現職 專職資訊圖書作者、大專資訊課程老師 經歷 企業講師、松崗電腦產品經理、美商 PH 出版經理、專業電腦書作者。 資訊技術作家，出版超過 100 本電腦著作，包括：程式設計（C C++、Java、C#、HTML5、PHP、ASP.NET、JSP等）、資料庫、系統分析、資料結構等各種不同主題。 近年研究人工智慧、機器學習 深度學習、資料科學、網路爬蟲、大數據分析和物聯網相關課程與圖書寫作，也熱衷利用 Raspberry Pi、Arduino、ESP8266 ESP32 和 Micro:bit 等開發板製作創客作品，投入創客領域的教學與寫作。 fChart 程式設計教學工具官方網址： https: fchart.github.io

產品目錄

產品目錄 第一篇 Node-RED視覺化流程打造監控儀表板和REST API 第01章 Node-RED基礎與視覺化流程 1-1 物聯網與Node-RED基礎 1-2 啟動Node-RED建立第一個流程 1-3 匯出、匯入和編輯Node-RED流程 1-4 Node-RED常用節點和msg訊息結構 第02章 建立監控的Node-RED儀表板 2-1 認識Node-RED儀表板 2-2 儀表板的功能執行元件 2-3 儀表板的資料輸入元件 2-4 儀表板的資料輸出元件 2-5 客製化儀表板的版面配置 第03章 初始Node-RED流程與資料分享 3-1 Node-RED流程的資料分享 3-2 初始Node-RED流程 3-3 認識JSON 3-4 使用檔案初始Node-RED流程 第04章 建立Node-RED MVC網站和REST API 4-1 認識Web網站、Web應用程式和MVC 4-2 建立MVC的Web網站 4-3 使用其他資料來源建立Web網站 4-4 使用檔案建立REST API 第05章 Node-RED與MySQL資料庫 5-1 認識與使用MySQL資料庫 5-2 SQL結構化查詢語言 5-3 Node-RED的資料庫查詢 5-4 Node-RED的資料庫操作 5-5 使用MySQL資料庫查詢結果建立REST API 第二篇 Node-RED網路資料交換：MQTT+OpenData+訊息通知 第06章 物聯網資料交換：MQTT通訊協定 6-1 認識MQTT通訊協定 6-2 MQTT代理人和客戶端 6-3 使用Node-RED建立MQTT客戶端 6-4 整合應用：使用MQTT建立溫溼度監控儀表板 第07章 取得網路資料：OpenData與JSON資料剖析 7-1 認識HTTP通訊協定 7-2 使用Node-RED取得網路資料 7-3 認識Open Data與Web API 7-4 Node-RED的JSON資料剖析 7-5 整合應用：取得網路資料繪製Node-RED圖表 7-6 整合應用：剖析JSON資料繪製Node-RED圖表 第08章 訊息通知：寄送Email電郵與Telegram通知 8-1 自動化寄送Email電子郵件通知 8-2 申請與使用Telegram Notification通知 8-3 取得OpenWeatherMap天氣的JSON資料 8-4 整合應用：使用Telegram Notification送出天氣通知 第三篇 訓練你自己的TensorFlow和YOLO模型+LLM的AI應用 第09章 Teachable Machine訓練TensorFlow影像分類模型 9-1 認識TensorFlow與TensorFlow.js 9-2 相關Node-RED節點的安裝與使用 9-3 使用Teachable Machine訓練機器學習模型 9-4 整合應用：在Node-RED使用Teachable Machine模型 第10章 取得與標註YOLO訓練資料：LabelImg 10-1 認識Ultralytics的YOLO 10-2 Thonny Python IDE的基本使用 10-3 取得訓練YOLO模型的圖檔資料 10-4 使用LabelImg標註圖檔建立訓練資料 10-5 整合應用：在Node-RED顯示標註圖檔 第11章 訓練你自己的YOLO物體偵測模型 11-1 整理與瀏覽Roboflow Universal取得的資料集 11-2 建立YAML檔訓練與驗證你的YOLO模型 11-3 在Node-RED使用YOLO預訓練模型 11-4 整合應用：在Node-RED使用YOLO客製化模型 第12章 Node-RED+LLM生成式AI應用 12-1 認識生成式AI與LLM 12-2 使用OpenAI的ChatGPT API 12-3 LLM API服務：Groq API 12-4 使用Ollama打造本機LLM 12-5 整合應用：在Node-RED儀表板使用LLM 第四篇 AIoT物聯網與邊緣AI專題實戰 第13章 AI之眼：ESP32-CAM開發板+MQTT 13-1 認識ESP32-CAM開發板 13-2 安裝和設定Arduino IDE 13-3 建立AI之眼：燒錄ESP32-CAM程式 13-4 在Node-RED流程使用MQTT操控AI之眼 13-5 整合應用：本機MQTT代理人連線AI之眼 第14章 AIoT與邊緣AI專題：Node-RED+Teachable Machine 14-1 在Node-RED儀表板顯示影像與上傳圖檔節點 14-2 在Node-RED儀表板即時分類Webcam影像 14-3 AIoT與邊緣AI專題：上傳圖檔建立AI猜拳遊戲 14-4 AIoT與邊緣AI專題：建立AI之眼＋MQTT的猜拳遊戲 第15章 AIoT與邊緣AI專題：Node-RED+YOLO 15-1 Node-RED影像工具箱與條碼生成節點 15-2 使用Tesseract-OCR文字識別 15-3 訓練YOLO車牌偵測模型 15-4 AIoT與邊緣AI專題：YOLO + Tesseract -OCR車牌辨識 15-5 AIoT與邊緣AI專題：上傳圖檔的YOLO蘋果物體偵測 15-6 AIoT與邊緣AI專題：YOLO+Streamlit即時串流偵測 第16章 AIoT與邊緣AI專題：Node-RED+LLM 16-1 Node-RED的螢幕擷圖節點 16-2 使用Llama Vision多模態模型 16-3 AIoT與邊緣AI專題：Llama Vision模型的車牌辨識 16-4 AIoT與邊緣AI專題：Llama Vision的路況分析 16-5 AIoT與邊緣AI專題：IP Camera+MQTT的AI之眼 附錄A 在Windows安裝本書Node-RED+YOLO fChartEasy A-1 安裝Node-RED+YOLO開發環境：fChartEasy A-2 在Node-RED刪除沒有使用的配置節點

商品規格

最佳賣點

最佳賣點 : 當人工智慧結合物聯網成為未來主流，本書提供一條簡單易學的路徑，帶你從視覺化流程工具Node-RED入門，逐步整合YOLO物體偵測、Teachable Machine影像辨識與LLM大型語言模型，打造出屬於自己的智慧感知系統。

活動

• 8/31前 全站滿$1,500折$150
• 8/31前 全站滿$2,500折$300
• 8/31前 全站滿$3,500折$420