Node-RED+YOLO+ESP32-CAM：AIoT智慧物聯網與邊緣AI專題實戰
-
79折 537元
680元
-
預計最高可得金幣25點
?
可100%折抵
活動加倍另計 -
HAPPY GO享100累1點 4點抵1元折抵無上限
-
分類：中文書＞電腦資訊＞APP開發／程式設計＞手機／平板APP開發追蹤? 追蹤分類後，您會在第一時間收到分類新品通知。
- 作者： 陳會安 追蹤 ? 追蹤作者後，您會在第一時間收到作者新書通知。
- 出版社： 博碩文化 追蹤 ? 追蹤出版社後，您會在第一時間收到出版社新書通知。
- 出版日：2025/08/06
活動訊息
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
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
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
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
配送方式
-
台灣
- 國內宅配：本島、離島
-
到店取貨：
不限金額免運費
-
海外
- 國際快遞：全球
-
港澳店取：
詳細資料
詳細資料
-
- 語言
- 中文繁體
- 裝訂
- 紙本平裝
-
- ISBN
- 9786264142601
- 分級
- 普通級
-
- 頁數
- 448
- 商品規格
- 23*17*2.34
-
- 出版地
- 台灣
- 適讀年齡
- 全齡適讀
-
- 注音
- 級別
訂購/退換貨須知
加入金石堂 LINE 官方帳號『完成綁定』，隨時掌握出貨動態：
提醒您！！
金石堂及銀行均不會請您操作ATM! 如接獲電話要求您前往ATM提款機，請不要聽從指示，以免受騙上當！
退換貨須知：
**提醒您，鑑賞期不等於試用期，退回商品須為全新狀態**
-
依據「消費者保護法」第19條及行政院消費者保護處公告之「通訊交易解除權合理例外情事適用準則」，以下商品購買後，除商品本身有瑕疵外，將不提供7天的猶豫期：
- 易於腐敗、保存期限較短或解約時即將逾期。（如：生鮮食品）
- 依消費者要求所為之客製化給付。（客製化商品）
- 報紙、期刊或雜誌。（含MOOK、外文雜誌）
- 經消費者拆封之影音商品或電腦軟體。
- 非以有形媒介提供之數位內容或一經提供即為完成之線上服務，經消費者事先同意始提供。（如：電子書、電子雜誌、下載版軟體、虛擬商品…等）
- 已拆封之個人衛生用品。（如：內衣褲、刮鬍刀、除毛刀…等）
- 若非上列種類商品，均享有到貨7天的猶豫期（含例假日）。
- 辦理退換貨時，商品（組合商品恕無法接受單獨退貨）必須是您收到商品時的原始狀態（包含商品本體、配件、贈品、保證書、所有附隨資料文件及原廠內外包裝…等），請勿直接使用原廠包裝寄送，或於原廠包裝上黏貼紙張或書寫文字。
- 退回商品若無法回復原狀，將請您負擔回復原狀所需費用，嚴重時將影響您的退貨權益。
商品評價