手機螢幕 黑 線的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列懶人包和總整理

神奇物理學：從重力到電流，日常中的科學現象原來是這麼回事!

為了解決手機螢幕 黑 線的問題，作者MarcusWeber 這樣論述：

★德國亞馬遜暢銷書★ ★齊祖康 東吳大學物理學系助理教授 專業審訂★   直通腦洞的知識都來了！ 開罐子的空蝕效應、料理時的滲透作用、眼鏡模糊的冷凝現象…… 生活環節都被物理所支配！ 德國物理專家為你輕鬆解答生活上的疑問！ 物理簡單來說就是：「觸電會尖叫，東西會掉下來！」 一場圍繞生活的智力冒險！ 小心，你一直被輻射給擊中！ 為什麼牛比人更容易遭到雷擊？ 空氣比你想像得還重！ 電流、重力、偏振光……物理有趣又危險，豐富的常識與對策，除了好玩、更實用！   本書針對日常中困擾的問題，以生動、有趣的方式解析其科學背景，引領讀者深入理解種種現象，進而觸類旁通擴展至實用上。 如何運用技巧，

將擾人的現象用物理學轉化為生活優勢： 怎麼處理起霧的眼鏡和蛙鏡？ ➨吐個口水就對了！蛋白質會分散在泳鏡上，冷凝水會從泳鏡上滴落，視線就會變清晰。 怎麼打開玻璃罐？ ➨空蝕現象有助於鬆開開子，因為罐內的液體會出現爆裂的氣泡，並在幾毫秒內破裂，這些力會對蓋子施壓，並將它稍微鬆開，我們會聽到咔噠聲和啵的一聲，然後就可以更輕鬆地擰開蓋子。 如何防止被閃電打到？乳牛比人更容易遭到雷擊？ ➨遠離大樹、廣闊田地，雙腿間距離越短越好。雖然閃電不會直接擊中乳牛，但牠們無法將腿靠得夠近好將步級電壓降到最低。 本書特色 知識性 本書深入淺出的介紹許多物理現象的知識背景，其中更穿插了不少歷史和故事，知識含量

滿滿。 趣味性 作者以幽默與話家常的手法陳述物理現象有趣的過程。讀者不僅能在閱讀中獲得知識，更能領略研究之樂。 啟發性 藉由探究事理引發好奇心、激發讀者舉一反三，促使人們在日常中多點反思、多問「為什麼？」憑藉所學去思考和尋找答案。 實用性 作者旨在解決食、衣、住、行上往往會令人感到困擾的問題。其中包含基礎概念和實驗設計，提供讀者發現解方。

手機螢幕 黑 線進入發燒排行的影片

基於亮度和色溫的液晶顯示螢幕視覺舒適性研究

為了解決手機螢幕 黑 線的問題，作者王坤 這樣論述：

隨著顯示技術的快速發展，包括平板電腦和智能手機等個人顯示終端己經在人們的學習、工作和生活中成為不可替代的日常用品。常用的液晶顯示器Liquid Crystal Display，簡稱LCD）中，以發光二極體（Light Emitting Diode，LED）為背光源，已經在顯示器領域佔據了統治地位。在追求更薄、更大、更亮的同時，關於 LCD光特性對人類影響的研究也變的愈發重要。因此，為了更加清晰的瞭解使用者在使用液晶顯示器時，對於螢幕光源的適應情況，以及如何調節出讓使用者感覺舒適的光色。本研究基於亮度和色溫的變化對使用者觀看LCD的舒適情況的影響進行分析。實驗一，12男12女被邀請參與在完全黑

暗的環境下，觀察螢幕照度等級分別是10 lx、100 lx、200 lx三個照度水準，色溫為2800 K、3700 K、5000 K、6500 K、7500 K、9300 K六個色溫值，所構成18個光色條件的LCD。實驗結束後受測者對各個光色條件下的螢幕舒適情況進行主觀感受的打分。實驗結果顯示，螢幕相對色溫、照度的數值和Kruithof曲線圖基本吻合，但是在中間色溫區域即6500 K-7500 K之間不管照度值如何變化，使用者的舒適值始終保持較高的水準。就照度而言，在無環境光的情況下10 lx和200 lx都低於100 lx的照度的舒適水準。總體來說，照度對於舒適性的影響較色溫來說差異並不顯著

。在實驗過程中還發現作業性質（工作學習與休閒娛樂）和視覺舒適度顯著相關。工作學習狀態下最大舒適性主要發生在5000 K至6500 K的較高色溫範圍，而休閒娛樂狀態下最大舒適性主要發生在3700 K至6500 K的較低色溫範圍。而且，工作學習狀態中的高舒適性的色溫範圍相對較小，而休閒娛樂狀態中的高舒適性的色溫範圍相對寬鬆。此外，性別、年齡和視覺舒適情況顯著相關。女性對於色溫更為敏感，尤其表現在低色溫時候，女性觀察者首先表現出不舒適的反應。女性觀察者的舒適情況普遍出現在6500 K-7500 K比男性觀察者的舒適色溫5000 K-6500 K略高一些；青少年舒適色溫區域5000 K-6500 K，

而60歲以上的觀察者舒適色溫約集中在5000 K左右。在沒有環境光的影響下老年人普遍覺得高照度的顯示幕更加舒適。實驗二，根據實驗一所發現的使用者的舒適情況與螢幕亮度、色溫、性別、年齡以及作業性質存在顯著的相關性，可見這種視覺舒適性是一個複雜因素共同影響的結果。為了進一步探尋多因素的舒適情況，15男15女被邀請評估了工作學習和休閒娛樂兩種狀態下的隨機3種不同環境光下不同亮度、色溫組合，即每個使用者通過實驗獲得6組實驗數據。通過使用Tobii pro glasses 3眼動儀記錄眨眼頻率、瞳孔縮放尺寸等資訊。研究結果通過主觀評價和客觀測量的相關性處理後，建立了基於倒傳遞法（Back Propaga

tion Neural Network，BPNN）神經網路的多引數 LCD顯示參數預測模型，更加真實還原使用者使用情況，經過訓練的網路擬合性良好，平均誤差在10%以內，並能成功準確預測使用者在不同參數下觀看LCD的視覺舒適情況。實驗三，根據實驗二研究發現眨眼頻率和主觀舒適情況存在顯著相關且相關性最強。所以實驗三繼續採用眨眼頻率指標繼續探尋人類視覺舒適度隨時間變化的情況，並採用Biopac MP160生理多導儀的眼電模組進行記錄。12名受測者被邀請，在一間可完全避光的暗室，使用亮度計對選用的iPad mini螢幕進行標定，並結合實驗一的普遍舒適範圍，在2種色溫條件(5000 K和7500 K)和

兩種照度（100 lx和200 lx）下，記錄人眼在觀看過程中的眨眼頻率變化。結果發現，當時間超過一個小時觀看低色溫螢幕會更早引起眨眼頻率的升高；在工作環境亮度很低的情況下，提高顯示器亮度會有效提高注意力，但同時卻會造成眼部不適；有任務的工作狀態，相對於休閒狀態在一小時內提前出現疲勞。本研究從人們對LCD螢幕亮度和色溫的觀看舒適情況展開研究，兼顧了使用者個體的差異和工作性質的差異，並且探討了視覺舒適情況隨時間變化的規律。其結果可以為使用者觀看LCD舒適性評估或自適應光色調節系統設計提供參考依據，以提高使用者觀看LCD的視覺舒適品質。

護眼，從用對光開始：防3C藍害專家教你保護眼睛的終極秘笈

為了解決手機螢幕 黑 線的問題，作者周卓煇 這樣論述：

藍光到底是什麼？竟會掀起「藍害疫情」？ 燈光、螢幕到底要多亮才夠？ 你的防藍光產品真的有效嗎？OLED產品是轉機？ 仰賴3C產品的現代，小孩與大人該怎麼護眼？ 好光解密X護眼對策X健康新知 專業光電學家不藏私分享畢生絕學 在每3人就有1人近視的世代，誰眼睛好，誰就是贏家！ 本書詳解三大絕招──減亮、去藍、縮時 告訴你如何搭配日常實踐，護眼也護身！ 「藍害疫情」已來到，須即刻展開「護眼行動」！ ◆藍光傷眼，無所不在的殺手 拜科技之賜，我們有了方便的通訊設備，沒想到這些設備的光線長期使用後，卻會造成眼睛不可逆的傷害，連年輕人也沒有例外。所謂的「藍光」到底是什麼？又該怎麼辨認？ ◆

好光護眼，趁還來得及 不同的人，有非常不同的照度需求，這代表有許多因素，會影響我們看書、看3C的「適讀亮度」，並不是一般認為的「越亮越好」，還要以「多休息」、「少藍」、「減亮」三個護眼行動，才能減緩此等嚴峻的「國安問題」。 ◆專家解說，聰明選擇真正有效的護眼用品 為避免將要用一輩子的視力，提前用罄，全球人類迫切想保護自己眼睛，抗藍光相關的產品、技術，有極大商機。市面上標榜「護眼」的商品、食品更是百百種，到底這些產品有無功效，能夠阻擋多少損害，讓光電專家解釋給你聽。 喪失「視界」，如此可怕的事情，已像核彈級的海嘯一般，席捲而來，全球受害人口與比率，都正在快速上升中。 這一次，我們要面對的敵人

，不是病毒，而是自己的壞習慣，唯有認清事實，及早遠離既有或正在養成的壞習慣，才能贏得這次的大戰！ 司馬庫斯頭目 Masay Sulung（馬賽穌隆） 國立臺北科技大學校長 王錫福 九八新聞台「財經一路發」主持人 阮慕驊 作家 吳淡如 竹科科技生活雜誌社長 林芝華 新竹市曙光女中校長 姚麗英 新竹市曙光女中動手做科學社老師 周明麗 天來創新集團董事長 陳來助 專業媒體人 陳鳳馨 IC之音竹科廣播電台副總經理 郭蘭玉 台大新竹分院眼科部主任醫師 葉伯廷 中廣公司董事長 趙少康 全方位媒體人、飛碟聯播網「生活同樂會」節目主持人 蕭彤雯 熱情推薦  

LBPCNN人臉辨識演算法實現於樹莓派門禁監控系統

為了解決手機螢幕 黑 線的問題，作者沈岳駿 這樣論述：

現今人臉辨識技術已達到相當成熟的地步，大部分低延遲和高準確率的人臉辨識系統，都部署在普通電腦或伺服器等級的電腦上。然而，當人臉辨識系統部署在低效能的嵌入式裝置上，就可能產生效能不足的問題，導致辨識時間大幅提升，而無法達到即時的人臉辨識，進而失去系統的實用性。因此如何在嵌入式裝置上部署人臉辨識系統後，仍維持低延遲和高準確率的辨識是一個極大的挑戰。另外，人臉辨識雖然擁有極高的準確率，卻容易受到紙張或高解析度手機螢幕裡的人像欺騙，而騙過人臉辨識系統，所以現今的人臉辨識系統也會針對此類的攻擊進行防範。據此本研究探討如何在有限效能的嵌入式裝置上，建制一套能防範人臉欺騙，又有人臉辨識功能的人臉辨識門禁監

控系統。本研究提出一套複合式驗證的人臉辨識門禁監控系統，使用RFID標籤觸發辨識，並且得知辨識人員的身份，接著使用webcam擷取影像，再藉由anti-spoof-mn3模型進行防人臉欺騙偵測，確認人員為真人。然後運用MTCNN演算法對擷取的影像進行人臉偵測與人臉特徵點偵測，藉由人臉偵測和人臉特徵點偵測所得到的人臉位置和五官的座標，對影像進行人臉對齊與裁切後，得到對齊過的人臉影像。經由LBPCNN演算法對對齊過的人臉影像進行人臉辨識，最後將RFID標籤得到的人員身份，與人臉辨識所得到的人員身份進行匹配，即可得到辨識結果。在有Intel Neural Compute Stick 2的加速推理下，

Raspberry Pi 4B執行LBPCNN人臉辨識只需要74.1毫秒，擁有即時辨識的效能；人臉辨識門禁監控系統的完整辨識時間則為4.83195秒（含RFID標籤偵測、anti-spoof-mn3防人臉欺騙偵測、MTCNN人臉偵測、人臉對齊和其他附屬功能）。LBPCNN（LBP鄰域值為6，LBP半徑為2）演算法在PI資料集（本研究所蒐集的人臉資料集）的align_256、align_256_A+90~A-90以及The Extended Yale B資料集三種數據實驗中，準確率分別為100%、99.9722%和99.8931%。根據三種數據實驗結果得知，LBPCNN人臉辨識演算法在正常光照、

光照變化和姿勢變化下皆有擁有良好的準確率，據此LBPCNN演算法適用於大部分實際人臉辨識的場景中。