本研究探討雙翅目昆蟲（蚊⼦）對光源的「背部朝光反應」（DLR,dorsal-light response）在捕蚊燈設計的應用。根據2024年Fabian等⼈研究，昆蟲依賴光源調整飛行姿態，若光源位於下⽅，昆蟲可能翻轉墜落。因此本研究嘗試調整光源與電網相對位置，藉以了解捕蚊效率差異。更製作同時具垂直與水平網的雙電網捕蚊燈與僅有垂直網的單電網捕蚊燈進行⽐較。 研究結果顯示，垂直網與水平網的捕捉數量比例為2.57：1。⽽加裝水平網的雙電網捕蚊燈平均收集量為0.338克，單電網捕蚊燈為0.115克，重量比為2.94：1。本研究僅透過優化光源與電網的排列方式，即可提高捕蚊效率，可直接應用於病媒蚊控制。

我們在生活中有許多共振現象，如：盪鞦韆越盪越高、樓梯旁的欄杆因為風而晃動得越來越快，發出震動的聲響，基於能源轉換，進而開發一款風能共振發電機組。研究分三大部分，首先研究發電機與馬達的科學原理與構造，其二以工程設計軟體RHINO進行3D建模，並導入流體力學的渦漩觀察，能在風場中提升發電效率；其三探究機械結構與風能共振的影響因子，阻風筒、支柱高度、擺盪時的支點比例，達系統效能最佳化。綜上所述，本研究為設計一款提升單位面積發電產能之風力發電機組，透過專題式方法將國中及高中的科學知識進行垂直整合，從而實現創新的綠能科技產品，兼具工程設計及設計藝術學養，具有培育發展綠色能源基礎人才。

本研究透過運用AI技術輔助程式設計聲音合成器程式，以探索聲音波形生成與觀察分析聲音頻，實驗透過不同波形振盪器，並調控ADSR參數，與濾波器組合，我們用不同的合成方法，獲得各類樂器聲音的最佳合成參數，再以先前完成的自製樂器加以改進，透過Arduino偵測串聯電阻分壓電路傳遞琴鍵按壓的演奏訊號至電腦，再經由合成器運算合成輸出對應的樂音，藉由選定不同樂器模組實現樂團合奏。在研究過程中，為解決電腦端即時運算合成音色的耗時問題，我們預先合成並暫存不同樂器音色，提升演奏時的反應速度。最終，本研究在開源程式與AI的輔助下開發出一套支援多人即興演奏的音樂合成器系統，提供創新的音樂創作與演出方式，降低傳統樂器練習的成本與噪音問題。

卡踏與卡鞋是自行車運動中常見裝備。“上卡騎行”透過卡鞋與卡踏的鎖固或磁力吸附，提供6至9點鐘方向踩踏拉力，減少滑脫與力量流失。機械卡踏時有脫卡不及摔車報導；磁吸卡踏號稱安全脫卡，但缺乏實驗佐證。本研究內容包含（一）踩踏上拉力（二）平台踏板、機械卡踏與磁吸卡踏在不同坡度（0%、2%、4%、訓練台實境陡坡6%-10%）的效率、疲勞度比較及（三）2種卡踏脫卡安全差異。結果顯示上卡可提供踩踏拉力；騎行效率陡坡時顯著提升最高達14.13%，平地緩坡效率差異不顯著；上卡有助於降低相同踏頻下的疲勞度；脫卡安全方面，磁吸卡踏容錯率達100%，顯著優於機械卡踏的42.8%，有更高的安全潛力。

水質同時受到有機染料與無機鹽類污染，現行處理流程常分段進行，能源又受天候限制。為此，本研究開發一套整合「即時檢測-自動啟動-光觸媒淨化」的太陽能驅動水質清淨機。分別以有機染劑的亞甲藍以及無機鹽類的磷酸鹽(優養化)、亞硝酸鹽(生物毒性)為污染代表，檢測儀使用Arduino以反應試劑的RGB顏色變化檢測，汙染濃度超標則啟動水質清淨機進行降解。清淨機利用二氧化鈦光觸媒來淨化水質，作動結果顯示在光觸媒的作用下，不同的污染物濃度均能大幅下降，達成水質清淨目的。在能源的利用上，採用太陽能板儲能以提供陰天、夜間光觸媒所需的紫外燈電力，有效解決除污的時間及天候限制，達成全天高效水質淨化，符合節能等永續理念，值得大力推廣。

本研究開發了一種基於影像辨識的水果品質分類系統，採用最適合同時處理局部及全局資訊的 Swin-Transformer 模型，透過分析水果外觀來判斷其品質，並多次實驗以調整參數、訓練多個模型以辨識不同水果種類與品質。 使用者上傳水果影像後，系統即能識別水果種類和品質，並提供新鮮度建議與食用方式。此系統相較於傳統的檢測方法，具備非破壞式檢測優勢，且降低成本，適用於農業生產與消費市場。 模型測試結果顯示，水果類型分類器準確率為99.0%，蘋果品質分類器為85.04%，橘子品質分類器為97.67%，顯示該系統在分類與品質評估上具有較高的準確性，對水果檢測及提升食品管理有重要意義。

本研究旨在開發選擇題手寫卷的自動閱卷與成績登記系統，以減輕小老師與教師在小考閱卷及成績登錄上的負擔。為改善選擇題手寫卷的閱卷方式，本研究結合手寫字辨識技術、雲端成績登記存放及網頁式查詢三大功能，開發AI輔助手寫卷閱卷系統。使用者設定考試相關資訊(如考試名稱與標準答案)，並上傳答案卷影像，即可透過系統自動辨識答案且計算成績，並將結果即時傳送至雲端資料表，供教師透過網頁查詢。本研究成果可有效降低人工閱卷負擔，提升成績管理的即時性與便利性，期望為校園提供更高效的閱卷與成績登記方式。

本研究提出一套結合BERT模型與自訓練分類器的失語症分類系統，透過多個方法及參數組合提升判斷精確性。研究靈感來自櫻井等人(2023)[15]提出的BERT分類模型，並參考Cong et al.(2024)[5]針對大型語言模型(LLMs)在臨床環境中的應用，進一步探索自訓練分類器在增強BERT判別能力方面的潛力。 本研究的創新點在於，模型基於醫生標註的分類結果進行深度學習，而非讓AI直接從語料中自動分類病患類型，這與先前主要依賴LLMs自動分類的方法不同。此外，本研究納入詞性、語法結構與語音長度及肢體語言標記，以提升模型的處理能力與個人化治療。 考慮語料庫規模及醫學倫理，本研究採用AphasiaBank(全球最具權威的語料資源之一)的英文訪談文本進行模型訓練，同時移除所有個人隱私資訊。

本研究提出一款結合生成式AI能進行場景分析，進而綜合情緒、語氣、文化禮節給予最佳回覆的人工智慧眼鏡。目的希望使用者不需要透過手機即可實現即時語音翻譯、情境分析與天氣資訊抓取功能。系統以ESP32為主要控制核心，搭配Android Studio開發之應用程式，透過WiFi採用UDP通訊協定進行無線通訊，提供精簡的翻譯與應答建議。每次翻譯處理後，GPT根據語境與提示詞再將翻譯結果與應答建議，傳送回並顯示於智慧眼鏡的OLED螢幕，將即時資訊呈現在使用者眼前，實現流暢的跨語言互動體驗。

本研究開發智慧寵物健康監控系統，融合熱顯影感測、AI學習、物聯網與邊緣運算，解決傳統健康監測無法即時數據化與預警的問題。初期以問卷與5W2H問題分析建構四大功能：體溫監測與AI發燒預測、糞便辨識與分類、飲食與飲水記錄、異常即時通報。 系統採用MLX90640熱顯影模組與ESP32-S3監測體溫，糞便辨識以Edge Impulse訓練模型，搭配ESP32-S3CAM實現即時運算。飲食行為由 HX711 與超音波感測器記錄，並同步推播至 Discord平台。分類模型參考獸醫建議導入布里斯托分類法，提升精準度。系統具備低成本、高精度與高度擴展性，展現智慧照護應用潛力。

本研究試圖探索如何將資訊熵應用於Nerdle Maxi，Nerdle Maxi是一款數學益智遊戲，類似於Wordle，但要求玩家猜測出一個數學等式。遊戲的核心在於考驗玩家以有限的猜測次數，通過猜測獲得的回饋，縮小可能等式的範圍，最終猜出答案。此問題涉及對資訊的處理，讓我們聯想到資訊理論中關於不確定性的研究。根據Shannon的資訊理論，資訊熵可以用來衡量一個系統中不確定性，從而幫助我們找出減少不確定性的最佳策略。參考文獻後，我們發現有尚無人嘗試的作法，並實作、壓縮了猜測次數，保證我們能在六次內猜重。再將其與文獻中用在Wordle的做法融合後，壓縮平均猜測次數至3.38次。

隨著高齡化社會來臨，長者夜間跌倒事故頻傳，居家安全成為急需解決的問題。本研究提出一套以深度學習與影像處理技術為核心的智慧監測系統，重點為夜間跌倒事件的即時辨識與預警。系統運用OpenCV進行影像增強，改善夜間低光環境下的影像品質，再以深度學習模型Ultralytics YOLO11進行精準的跌倒偵測，達成即時通報與警示。此外，整合臥床偵測、夜間燈條引導與浴室進出監控，提供全方位居家安全防護。所有檢測數據即時記錄至Web Server（HTML、JavaScript、CSS、Flask、MySQL架構），供遠端監控與數據分析。經實驗證明，本系統能準確辨識夜間跌倒事件，有效減少長者夜間意外事故發生，對高齡社會居家安全具重要貢獻。