智能羽球裁判系統
影像資料
為了突破單一視角在賽事判讀上的局限性，本系統採用了「後方」與「側面」的雙攝影機配置。經分析發現，單一攝影機雖然能判別落點界内外，但在判定「發球違規」及「是否觸網」等細節時仍存在視覺死角；因此，我們透過雙視角的數據融合技術，達成更全面的賽事判決能力。在硬體選擇上，本專案跳脱國際賽事的百萬的鷹眼系統，改以 GoPro 與 iPhone 等消費級設備進行實際球場影像捕捉，實驗證明這類易於取得的設備不僅能提供高清晰度的偵測畫面，更大幅降低了建置門檻，具體落實了高效能、低成本的開發願景。
側面攝影機介紹
為確保賽事的全面公平性並嚴格把關選手規範，本系統特別配置了 iPhone 17 作為專屬的違規監測設備。此設備的核心任務聚焦於即時捕捉球場上的各項違規行為，其中一項關鍵功能為嚴格的「觸網違規判定」。系統會持續且無死角地監控整個球網區域，一旦敏鋭地偵測到羽球或球員身體與球網發生任何不當接觸，便會立即觸發機制中斷該回合的進行，並依據賽事規則迅速且客觀地完成給分判定。
此外，在進階的「球員偵測」應用上，系統深度整合了 YOLO 物件偵測演算法與 MediaPipe 骨架追蹤技術，能精準鎖定並即時分析球員的身體關節節點。透過這項強大的 AI 視覺技術，系統得以針對最容易發生爭議的發球動作進行嚴格把關，精細運算並判斷球員在發球擊球瞬間，羽球的所在高度是否確實符合低於 115 公分的合法標準。這不僅大幅降低了傳統仰賴人眼判斷時容易産生的誤判機率，更進一歩提升了整體判決的專業度與公信力。
側面視角
後方攝影機介紹
為了實現精準的羽球賽事輔助判決，本系統全面採用具備卓越高幀率影像捕捉能力的 GoPro HERO13 作為核心硬體設備，而其首要任務便聚焦於關鍵的界内外（IN/OUT）落點判定。在實際運作上，系統首先會導入先進的 TrackNetV2 深度學習模型來執行高速軌跡追蹤，藉此克服羽球體積細小且飛行速度極快的物理限制，有效消除傳統攝影或肉眼判別時容易産生的視覺死角與動態 模糊。當精準捕捉到羽球的完整飛行路徑後，系統會結合影像幾何技術，嚴格且精準地定義出標準單打比賽的合法區域，並在羽球觸地的瞬間，演算出極具公信力的落點判斷（IN 或 OUT）。最後，系統會將這項落點結果無縫串接至內建的得失分邏輯運算模組中，依據羽球規則自動判定該回合由哪一方得分，從而打造出一套客觀、高效且全自動化的數位化羽球裁決流程。
後方視角