曾經基於 YOLOv5 完成多目標檢測專案，並將模型成功部署到 Jetson Nano 嵌入式平台，實現長時間穩定運行，主要用於比賽場景的即時感知任務。整體流程包含資料蒐集與標註、訓練集/驗證集切分、模型訓練與效果評估，並針對比賽環境中的光照變化、遮擋與背景干擾進行增強與調參，使檢測結果在速度與精度之間取得平衡。部署階段則聚焦效能優化與可靠性，包含影像前處理（resize/letterbox）、推論流程的延遲控制，以及資源受限下的穩定性調整（如降低輸入解析度、控制 batch、監測記憶體占用與溫度）。同時整合 UART 通信模組，將檢測到的目標類別、座標與置信度等資訊封裝成通訊協議，與下位機/控制端進行互聯，完成感知到控制的閉環。專案中也重視容錯與調試，例如通訊重連、資料校驗、異常時降級輸出與日誌紀錄，確保比賽過程中系統能連續運作並快速定位問題。