將 Teachable Machine 訓練的 AI 模型匯入《程式實驗室》中，就可以讓機器人的視訊鏡頭進行物件辨識。使您輕鬆踏入 AI 機器學習的第一課，也能讓設計出來的程式擁有更多強大的功能與多樣性。
Teachable Machine 是什麼？
由 Google 推出的開源工具，無需程式設計經驗，讓所有人可以透過電腦的視訊鏡頭來進行 AI 物件訓練，能快速、輕鬆地創建機器學習模型。
Teachable Machine 的訓練方法？
圖片來源 ：Teachable Machine
步驟一 Gather
利用視訊鏡頭，搜集並分組訓練物件的不同角度與背景。
步驟二 Train
訓練您的模型。 ＊因匯出的檔案 – Tensorflow Lite 限制，如果模型要在《程式實驗室》應用，請至少要訓練三個「class」
步驟三 Export
依照您要應用的條件將模型輸出。
⚠ 請注意，如要在《程式實驗室》中使用，請選擇 Tensorflow Lite，並選擇 Quantized 。
在程式實驗室上擴充 Teachable Machine 方塊
如同其他擴充方塊的新增方法，請依照以下步驟新增方塊：
1. 點擊「編輯方塊」按鈕，進到「新增方塊」頁面。 2. 找 Teachable Machine 的方塊卡片。 3. 點擊「 新增 」。
Teachable Machine 方塊
當機器人辨識出 ＿ ＿ 信心值 ＿％
- 說明
此方塊可以讓機器人以辨識出您選擇的模型，作為此段程式的起點。
- 使用範例 點擊「選擇影像辨識模型」，將您於 Teachable Machine 上匯出的「十種水果」模型檔案上傳，點擊「蘋果」並設定該蘋果的「信心值」為 75% 📔 備註：信心值設定越高， 代表讀出來的影像必須跟訓練的影像越相似
等待機器人辨識出 ＿ ＿ 信心值 ＿％
說明
此方塊讓機器人在程式中等待辨識出您選取的模型中的物件後，再繼續下一個動作。
- 範例
設定機器人等待看見「十種水果」模型中的「蘋果」且「信心值」高於 75% 後，會貼出「答對了」的圖片
如果機器人在 ＿ 秒辨識出 ＿ ＿ 信心值 ＿％ ＋
- 說明
如果機器人在設定的秒數內看見指定的物件，且高於信心值，將達成觸發條件時需要執行的流程拖拉進「如果機器人」的缺口裡。
如果機器人在 ＿ 秒辨識出 ＿ ＿ 信心值 ＿％ ，否則 ＿
- 說明
如果機器人在設定的秒數內看見指定的物件，且高於信心值，就會執行「如果機器人」缺口裡的流程。如果觸發條件不成立，就會執行「否則」缺口裡的流程。
＿ 辨識結果
- 說明
需要先上傳辨識模型，就可以選取模型使用。
- 範例
將該變數方塊接在「說」後面，並選擇「十種水果」辨識模型，機器人就會以 TTS 唸出您給它辨識的是哪一個項目。
＿ 信心值
- 說明
需要先上傳辨識模型，就可以選取模型使用。
- 範例
將該變數方塊接在「說」後面，並選擇「十種水果」辨識模型，機器人就會以 TTS 唸出您給它辨識的項目信心值為幾 ％。