本所許銘華教授著作榮獲教育部體育署113年運動科學研究發展佳作獎勵本所許銘華教授以其研究「以兩階段深度學習網路分析桌球軌跡追蹤與落點偵測」，榮獲113年教育部體育署運動科學研究發展佳作獎勵。此項研究突破傳統桌球運動分析的技術瓶頸，利用創新技術為桌球運動發展注入新活力，不僅對運動科學領域具有重大貢獻，亦提升了台灣在國際運動科技領域的競爭力。
隨著運動科學與科技的不斷進步，如何有效且精準地分析運動中的各種動作與細節成為了一項重要的挑戰。桌球是一項高速、瞬間變化的運動項目，球的速度和方向改變快速，傳統的分析方法難以跟上這種變化。因此，許銘華教授帶領其研究團隊，針對桌球運動中的軌跡追蹤與落點偵測，提出了以兩階段深度學習網路為基礎的解決方案。
此研究中的兩階段深度學習網路模型，第一階段專注於桌球軌跡的追蹤，透過大量比賽影片的數據訓練，模型能夠準確預測桌球在場地上的運動路徑。第二階段則專注於落點的偵測，能夠更精確地識別球在桌面上的落點，從而對選手的擊球策略、擊球精準度以及整體表現進行深入分析。這項技術的應用，不僅能為運動員提供更具實時性的數據支持，還能夠協助教練針對運動員的表現進行科學化的評估與訓練調整。
許銘華教授此次研究的核心技術—深度學習，屬於人工智慧的一環，具有自我學習與不斷提升的特性。透過深度學習技術，系統能夠從海量的數據中提取桌球運動中的重要資訊，並自動學習其運動模式與特徵。這樣的技術突破，使得桌球運動的分析更加高效、準確。
此外，這項研究的應用範圍不僅侷限於桌球領域，深度學習技術還可以擴展到其他運動項目，從籃球、足球到田徑運動，均能透過相同的技術模型進行運動軌跡的預測與表現分析。這不僅大幅提升了運動訓練的效率，還能更有效地預防運動傷害，延長運動員的運動壽命，為運動科學發展提供了強大助力。這項研究不僅對運動科學研究具有重要意義，還為未來的體育教育與運動訓練方式帶來了新的思考。透過深度學習技術與數據分析，體育教育將不再依賴傳統的經驗累積，而是可以依據具體數據對選手的優劣進行精準評估，尤其在桌球這類高技術、高速度的運動項目中，精準的數據分析不僅可以縮短學習曲線，還能幫助選手在關鍵時刻做出更準確的決策，提升賽場表現。