本項研究透過程式模擬宅配業貨車司機的裝貨與下貨過程，提出比傳統垂直擺放策略更具彈性且方便下貨的貨物放置策略－分層擺放策略。本研究所提出的分層擺放策略不僅提升了裝貨的靈活性，還能確保貨物結構便於移動與下貨。同時，程式計算擺放方式所需時間，相較於人工計算，更能有效減少時間成本。期待本研究成果能夠為未來的物流業者提供參考。

本研究透過結合局部敏感雜湊（Locality-Sensitive Hashing, LSH）與知識圖譜（Knowledge Graph, KG）以改善檢索增強生成技術（Retrieval-Augmented Generation, RAG）在檢索的時候難以在精確度與效率之間取得平衡的問題。透過使用LSH 將資料分桶，接著利用知識圖譜進一步篩選資料，以提高檢索的精確度與效率。 實驗結果顯示，結合知識圖譜與LSH後的系統，在精確度（precision）上可達到91%，相較於VectorRAG 的84%提升約8.33%，與GraphRAG的96%則僅有5.21%的差距。此外，本系統在檢索時間上較GraphRAG降低了95.38%。由此可以證實，透過結合LSH及知識圖譜能在保持高精確度的同時，顯著提高檢索效率。

現今網路充斥著具壓力的負面言論，影響使用者的心理健康。本研究旨在參考 C-ME 量表並整理為四大類標籤，人工分類從論壇蒐集的言論來訓練模型。研究採 LSTM、雙向 LSTM、CNN + LSTM 及 Transformer四種深度學習模型，基於自建資料集進行訓練，實現對全新言論的精準分類，並比較四種模型在精確率、召回率及 F1-score 等指標上的表現。結果顯示，LSTM處理數據不均衡的資料集時表現最佳，F1-score達89.2%。實測發現，CNN+LSTM 在預測效果上略勝 LSTM。此外，結合生成式 AI GPT-4o-mini，能有效改善不當言論，為留言者提供更委婉的表達建議。

本研究旨在解決肢體障礙或單手使用者在操作電腦時所面臨的不便，設計一款融合鍵盤與滑鼠功能的單手操作裝置。透過自製PCB電路板、客製化鍵帽與鍵軸配置、3D列印人體工學外殼，以及整合滑鼠感測器與QMK韌體技術，實現單手即可同時完成鍵入與游標控制的操作方式。我們的實驗結果顯示，單手使用時相較於傳統鍵鼠組合，本裝置能大幅減少手腕移動的距離與次數，有效提升使用效率並降低疲勞感。產品設計不僅針對身障者，也適用於特定單手使用情境，具備良好的通用性與實用價值。未來將持續優化硬體與軟體，期望推廣至更廣泛的使用族群，實踐科技輔具的社會意義。

本研究開發了一個基於多項人工智慧技術的多模態失語症溝通系統，旨在提供失語症患者能提升表達自我和參與社交的能力的工具。系統以iOS App作為主體，接收環境影像、語音、唇語、手勢及情緒等多模態資訊後，透過大型語言模型產生完整敘述，再以語音合成播放。研究創新開發AphasiaSim-LLM生成高度擬真的模擬失語症語料，並以量化評估取代主觀評分，證實Gemini 2.5 Flash於語句還原表現最佳；此外亦建構了輕量級手勢辨識模型，並以ORB演算法優化關鍵幀提取；透過異步處理、FFmpeg影片取幀及輕量Flux文生圖模型等優化策略，最終完成能有效輔助失語症患者進行流暢溝通之系統。

隊員的外婆在台灣獨居，曾因跌倒而未能及時求救，引發家人擔憂，高齡化與獨居老人數量增加，導致安全照護挑戰，需改善意外求助系統。本研究目的是使用OpenCV和YOLO技術辨識人體動作，檢測跌倒情況及其影響發送郵件通知家人。本研究使用Pexels和Google收集圖片進行訓練，Roboflow工具加快標註過程。過程中整合偵測、影像擷取及郵件發送功能，設計時間間隔機制避免重複發送郵件。訓練結果顯示模型在辨識「躺下」動作上準確率高，對其他動作表現尚可，而系統運行時CPU負擔輕，確保穩定性與擴展性。本系統對人物重複辨識和跌倒檢測準確性有改進空間，考慮增加資料量及調整標註類別。未來計畫開發專用APP以提升訊息傳送功能，增強用戶體驗。

雷射影印機運作時，可能會釋放細懸浮微粒與臭氧，成為人體呼吸道健康的一大隱憂。本研究將探討雷射影印機的懸浮微粒與臭氧逸散特性，測量其排放的時序特徵，企圖減少影印機排放之汙染物。我們在一密閉壓克力箱中設置家用雷射影印機並在其影印過程中透過儀器量測其汙染物的數值變化，並在過程中排解干擾數值結果的環境變因（如：水氣）。亦透過數值模擬分析懸浮微粒的擴散情形，以提供改善建議。依據研究結果，本研究確立了懸浮微粒與臭氧在影印過程中的逸散，而加裝濾網後能使汙染的情形得到改善。電腦模擬結果則顯示，影印機的設置應距離呼吸道至少0.3公尺以上，則可有效降低人體吸入PM2.5之風險。

本研究透過結合局部敏感雜湊（Locality-Sensitive Hashing, LSH）與知識圖譜（Knowledge Graph, KG）以改善檢索增強生成技術（Retrieval-Augmented Generation, RAG）在檢索的時候難以在精確度與效率之間取得平衡的問題。透過使用LSH 將資料分桶，接著利用知識圖譜進一步篩選資料，以提高檢索的精確度與效率。 實驗結果顯示，結合知識圖譜與LSH後的系統，在精確度（precision）上可達到91%，相較於VectorRAG 的84%提升約8.33%，與GraphRAG的96%則僅有5.21%的差距。此外，本系統在檢索時間上較GraphRAG降低了95.38%。由此可以證實，透過結合LSH及知識圖譜能在保持高精確度的同時，顯著提高檢索效率。

現今網路充斥著具壓力的負面言論，影響使用者的心理健康。本研究旨在參考 C-ME 量表並整理為四大類標籤，人工分類從論壇蒐集的言論來訓練模型。研究採 LSTM、雙向 LSTM、CNN + LSTM 及 Transformer四種深度學習模型，基於自建資料集進行訓練，實現對全新言論的精準分類，並比較四種模型在精確率、召回率及 F1-score 等指標上的表現。結果顯示，LSTM處理數據不均衡的資料集時表現最佳，F1-score達89.2%。實測發現，CNN+LSTM 在預測效果上略勝 LSTM。此外，結合生成式 AI GPT-4o-mini，能有效改善不當言論，為留言者提供更委婉的表達建議。

本研究旨在解決肢體障礙或單手使用者在操作電腦時所面臨的不便，設計一款融合鍵盤與滑鼠功能的單手操作裝置。透過自製PCB電路板、客製化鍵帽與鍵軸配置、3D列印人體工學外殼，以及整合滑鼠感測器與QMK韌體技術，實現單手即可同時完成鍵入與游標控制的操作方式。我們的實驗結果顯示，單手使用時相較於傳統鍵鼠組合，本裝置能大幅減少手腕移動的距離與次數，有效提升使用效率並降低疲勞感。產品設計不僅針對身障者，也適用於特定單手使用情境，具備良好的通用性與實用價值。未來將持續優化硬體與軟體，期望推廣至更廣泛的使用族群，實踐科技輔具的社會意義。

本研究開發了一個基於多項人工智慧技術的多模態失語症溝通系統，旨在提供失語症患者能提升表達自我和參與社交的能力的工具。系統以iOS App作為主體，接收環境影像、語音、唇語、手勢及情緒等多模態資訊後，透過大型語言模型產生完整敘述，再以語音合成播放。研究創新開發AphasiaSim-LLM生成高度擬真的模擬失語症語料，並以量化評估取代主觀評分，證實Gemini 2.5 Flash於語句還原表現最佳；此外亦建構了輕量級手勢辨識模型，並以ORB演算法優化關鍵幀提取；透過異步處理、FFmpeg影片取幀及輕量Flux文生圖模型等優化策略，最終完成能有效輔助失語症患者進行流暢溝通之系統。

隊員的外婆在台灣獨居，曾因跌倒而未能及時求救，引發家人擔憂，高齡化與獨居老人數量增加，導致安全照護挑戰，需改善意外求助系統。本研究目的是使用OpenCV和YOLO技術辨識人體動作，檢測跌倒情況及其影響發送郵件通知家人。本研究使用Pexels和Google收集圖片進行訓練，Roboflow工具加快標註過程。過程中整合偵測、影像擷取及郵件發送功能，設計時間間隔機制避免重複發送郵件。訓練結果顯示模型在辨識「躺下」動作上準確率高，對其他動作表現尚可，而系統運行時CPU負擔輕，確保穩定性與擴展性。本系統對人物重複辨識和跌倒檢測準確性有改進空間，考慮增加資料量及調整標註類別。未來計畫開發專用APP以提升訊息傳送功能，增強用戶體驗。