架構圖
整體流程圖
Mifare 卡片讀取流程與 SAK 值說明
一、讀取 Mifare 卡片的流程說明
當我們讀取 Mifare 卡片時，整體流程中其實包含一些像「防衝突處理」與「選卡」的步驟，不過這些複雜的部分都已經由讀卡機自動處理好了， 我們的程式不需要特別處理這些細節。
但在成功讀取卡片資料之後，我們的程式還是要主動下指令，讓卡片進入「停止（halt）」狀態， 這樣才不會讓讀卡機一直重複偵測同一張卡片，避免誤判或重複動作。
二、SAK 值說明
SAK 代表 Select Acknowledge，直譯為「選擇應答」，是由卡片發給讀寫器、回應選擇卡片命令的資訊。
不同類型的 Mifare 卡片，其 SAK 值會有所不同，例如：Mifare Classic 的 SAK 值為 0x18。程式可藉由這個值來判斷目前感應到的卡片類型。
若需進一步了解詳細的防衝突處理與 SAK 值判斷流程，可參考相關技術文件或讀卡機的開發手冊。
Mifare裝置的概略圖
Mifare裝置的概略圖
本圖參考至：
前往 SWF 技術部落格文章 🔗一. 嬰兒臉部辨識系統
MODEL— YOLOV7
資料收集與前處理
一、嬰兒臉部影像蒐集
由身邊多為好友所提供之新生兒影像與網路平台公開下載之圖片，有多種不同光線、角度與表情的嬰兒哭鬧影像，目的是提高模型的泛化能力與學習效率。
二、影像擷取
使用 Python 擷取 18 部影片（總長 67 小時 19 分 34 秒），最終取得 36,245 張圖片，解析度為 1920×1080。
三、資料標記與標準化
- 使用 Labelimg 工具 標註眉心與嘴巴。
- 對影像進行標準化，確保輸入模型時格式一致。
四、數據集劃分
依照訓練、驗證與測試集的慣用比例，進行分配：
- 訓練集：81%（共 1598 筆）
- 驗證集：9%（共 178 筆）
- 測試集：10%（共 198 筆）
五、預測模型（YOLOv7）訓練
- 學習率與優化器：初始學習率設為 0.0005，最小學習率為其 1%，使用 Adam 優化器（動量 0.937）。
- 凍結階段：Epoch 0–70，凍結部分權重，Batch size 為 8。
- 解凍階段：Epoch 70–350，全面訓練，Batch size 為 4。
- 訓練設置：權重衰減設為0.0001，防止模型過度擬合訓練資料。
YOLOv7 模型應用與驗證流程
二. NFC床位安全識別系統
讀取卡片
卡片辨識
硬體設備
電路圖
RFID監測系統之程式設計－設置授權碼
一、硬體初始化
- 使用 Wire.h 套件初始化 I2C LCD
- 使用 MFRC522 套件設定 RFID 讀卡模組
二、讀取卡片序號
- 卡片感應時系統偵測讀取 UID
- UID顯示在LCD
讀取卡片序號影片
RFID監測系統之程式設計－身份辨識
一、卡片感應與 UID 讀取
- 感應 RFID 卡時，自動讀取卡片 UID
- 將 UID 資訊顯示於 Serial Monitor
二、身份比對
- UID 與 authorizedUID[] 陣列比對
- 比對成功 → 授權通過
- 比對失敗 → 顯示錯誤提示
三、驗證結果顯示
- 成功 ➜ LCD 顯示「Success」
- 失敗 ➜ LCD 顯示「Wrong identity」
四、自動刷新與待機
- 顯示 2 秒後 LCD 清除
- 系統回到待機狀態，以便下次感應操作