全球能源需求日益增加，發展永續且環保的再生能源是當務之急。本研究以「植物發電」為主軸，探討發電與儲電的可行性，期望為綠色能源帶來創新。植物若能有效發電與儲電，不僅具美觀與功能性，更能兼具減碳與供能的綠色解方。 本研究透過系統性實驗，探討不同土壤種類與濕度、植物種類（虎尾蘭、山蘇、黃金葛、常春藤）、混合土壤比例及添加劑（如EM菌、B1維生素、花寶系列）對電壓與電流的影響。結果顯示：泥炭土表現最佳，虎尾蘭電壓最高，虎尾蘭電流最穩定， EM菌能有效提升發電效能。將植物串聯可穩定供電，驅動 LED燈與數位小時鐘，並可儲存至充電電池。 本研究顯示植物發電具實用性與發展潛力，期望未來應用於日常綠能設備為再生能源貢獻新方向。

本作品結合積木、馬達機械結構與AI技術自製「圍棋AI自動分類機」，將黑白子分類收納解決下完棋後沒人收拾的問題，我們以自動麻將桌概念為發想，設計9項不同實驗，首先以不同裝置測試棋子掉落方式，發現賓果滾筒能有效控制棋子一個一個掉落，其次大量拍攝不同燈光環境下黑白子照片，以Label-Studio進行影像標註，撰寫Python程式訓練AI影像辨識模式並控制伺服馬達轉向，使黑白子依辨識結果正確分類至棋盒。結果顯示「圍棋AI自動分類機」分類正確率高達99%，此外我們也應用於盲用圍棋，協助視障學生收棋，提升下棋便利性與學習意願。本作品不僅展現AI應用於日常生活創意實踐，也呼應SDGs中促進優質教育目標。

現今運輸與物流系統消耗大量能源，造成高碳排放。本研究開發創新磁浮動力輪，旨在降低能源消耗並提升運行效率。研究結合三大核心技術： (1) Bedini馬達電能回收，延長續航力； (2) 慣性滾珠旋轉能，減少電力消耗，提升效率； (3) 側邊磁浮導引系統，減少摩擦，提升行駛平穩性。 實驗顯示，Bedini馬達能有效回收電能，慣性滾珠使行駛距離提升31%、側邊磁浮導引讓滑動阻力下降16%，且能減少晃動，提高穩定性。本設計具模組化與延展性，未來可應用於智慧物流、無人工廠與綠色交通系統，是具前瞻性的節能推進技術。

科技課程中木工機具的安全問題備受關注。本研究整合視覺語言模型與手掌辨識技術，即時分析操作時的手部姿態，以判斷危險程度，並可傳遞危險訊號至智慧插座，自動控制機具停機，減少意外發生。其中實驗照片測試集共396張，涵蓋12種手勢與3種環境亮度（750、500、300流明），透過不同提示詞（Prompt1~Prompt6）改善鋸見AI的分類效果。並且最佳模型（Prompt6）在危險手勢的正確率達99.3%，警戒手勢89.8%，安全手勢86.4%，表現高度準確性。此外，手掌距離辨識在500流明環境亮度下的誤差低於0.5公分，可作為系統後端危險狀況停機的重要輔助依據。在教學應用上，系統能即時辨識危險手勢並成功切斷電源，平均反應時間約為170~200毫秒，展現出即時防護的實用性與教學輔助潛力。

雜草被認為是不具經濟價值的東西，而近年來入侵的外來種植物，因為生長迅速且沒有天敵，所以危害了我們自然環境的原生植物，本研究使用稻草與小花蔓澤蘭，將之曬乾 並打碎後過篩出粗纖維，混合石蠟成為複合材料，試驗材料吸附油汙的效果。結果顯示，粗纖維與石蠟混合比例較高的1：3時，因為有更多的石蠟使材料穩固能吸附較多的油汙，稻草組的平均吸油汙量為7.19g，小花蔓澤蘭組只有3.25g，為同比例的稻草組的64.3％，稻草組的平均飽和比為1：3.22，吸附油汙達到最高8.07g，小花蔓澤蘭組的平均飽和比只有1：2.60，吸附油汙重只有4.72g，為稻草粗纖維的58.5%。未來將研究此複合材料應用於生活上的吸附油汙，或利用複合材料在其他領域上來提高雜草附加價值。

利用家中常見「義大利麵」進行一系列「造橋大師--義大利麵線橋實驗」，看看「義大利麵線橋－樑柱材質」、「義大利麵線橋－樑柱粗度」、「義大利麵線橋－橋樑距離」、「義大利麵線橋--底橋間隔」、「義大利麵線橋--橋墩避震種類」、「義大利麵線橋-椼橋結構」等方向研究，可以讓「造橋大師--義大利麵線橋」成為負重之最佳組合。

本研究的目標是做出空氣清淨器來改善空氣品質，我們利用防霾紗網及活性碳濾棉自製濾網，並透過等離子產生器將等離子注入空氣濾網內部進而過濾懸浮微粒、甲醛及總揮發氣體(TVOC)等有害物體，透過實際在前鎮漁港、台電南部發電廠、左營區某國中、林園區大林發電廠實地測試清淨機的清淨成效如下: ．前鎮漁港：PM2.5改善率33%；PM1.0改善率28%；PM10改善率31%。 ．台電南部發電廠：PM2.5改善率29%；PM1.0改善率23%；PM10改善率28%。 ．大義國中：PM2.5改善率30%；PM1.0改善率22%；PM10改善率26%。 ．大林發電廠：PM2.5改善率59%；PM1.0改善率58%；PM10改善率55%。 我們也自製壓克力觀察箱，從中探討等離子、負離子及水霧清除TVOC、懸浮微粒的成效，並透過HEPA濾網、活性碳濾棉、各種紗網、熔噴不織布等濾材來進行過濾實驗並找出較佳的組合，從而製作出環保又經濟的空氣濾網。期望空氣清淨機可以成為教室的標配，讓大家在安全的室內環境中學習。

近年來流浪犬攻擊野生動物已對環境生態造成威脅，改善流浪犬認養現況勢在必行。本研究開發一套多模態AI快速評估與媒合平台，整合聲音、動作與圖片資料進行分析。系統流程包含：建立多模態資料庫、 以梅爾頻譜與 DeepLabCut 擷取動作特徵、分別訓練CNN 聲音模型（準確率71%）與LSTM行為模型（62%），最後再以整合評估模型進行友善度與敏感度等量化指標評分；接著透過串接雲端介面，可自動輸出認養評估報告並即時給出媒合建議。研究首度將多模態深度學習導入流浪犬情緒評估並串接領養流程，期望透過科技減少棄養、降低流浪犬對野生動物的威脅，並促進人犬共融。

本研究共實驗11種金屬當電極片，電功率的效能最佳是鎂片和碳片，過程中發現電極片材質會影響電壓，而電解溶液種類、電極片間隔、面積和浸泡範圍，則會影響電流量，間隔越小或面積越大，電流值越高。木炭和鋁罐、鐵罐或鋁箔紙可以用來簡易造電，以鋁箔紙最佳，但實測卻電壓不足，推測是鱷魚夾太多的緣故。因此利用鋅片和銅片可焊接的特性、鎂片和碳片發電效能最佳，分別進行串並聯實驗，而金屬電極片有著體積小、不易變質、能長久保存的特性，特使用3D列印機印製電池外殼，多次改良，以鎳片代替電線，開發出串聯5個並聯4組的防災電池，實測手機充電，歷時457秒，共43毫安時(mAH) ，約有5％充電量，本研究已有實體成品，可以直接應用在生活中。

本研究結合程式設計與運動科學，開發以Python為核心的投籃訓練輔助系統，用科學方法分析籃球投籃曲線數據，建立具回饋的訓練工具，幫助學生個人化訓練與提升表現。 研究採OpenCV電腦視覺技術追蹤籃球飛行軌跡，透過背景相減法，成功記錄了102顆 空心球的投籃軌跡座標，得到出手角度（平均49.35°）、入框角度（平均41.57°）及拋物線最高點（平均3.51公尺）等關鍵數據，並借助ChatGPT釐清分析方向與角度計算公式。 本研究利用攝影裝置結合電腦視覺分析，精準記錄投籃軌跡，透過數據分析得出空心球投籃的具體角度與軌跡特徵，成功建構以Python為 核心的投籃訓練輔助系統，為科學化訓練提供輔助機制，未來可擴展系統功能，納入更多參數或運動型態分析，提升系統的泛用性與準確度。

本研究目的在創建有效降低校園走廊奔跑的警示系統，以AI糾察隊取代人力。第一代利用micro:bit加速度感測器，以強度>2800成功判斷跑步行為並發出警示。第二代使用micro:bit、麥坤智能車及超音波感測器製作走廊跑步監測器，記錄時間差來判斷跑步與否，不僅找出學生走廊奔跑速率的邊界條件－兩機器距離60公分，時間差240毫秒，還突破測速照相單向偵測的限制。第三代用AI影像辨識與預訓練人體模型的OSEP平臺－它每0.2秒偵測鼻子X座標位移是否介於180~300，以此速率規則判斷是否奔跑。結果顯示，跑步辨識準確率達94%，還讓走廊奔跑率從71%降到48%，更建立即時通報系統，防治效果顯著。

本研究針對傳統手推車於上坡、下坡及搬運重物時操作費力的問題，設計一套具智慧感測與動力輔助功能的自適應電動手推車系統。整合雙霍爾感測器偵測輪胎轉速與方向、陀螺儀辨識傾斜角度，以及壓力感測器判斷推拉意圖，可依環境與操作情境自動調節馬達輸出功率。我們建構13項輔助邏輯規則，簡化系統運算並提升反應效率。 實測推動34.5公斤負載上坡時，未啟動系統需7686克重（約75.3N）推力，啟動後降為1167克重（約11.4N），省力幅度達84.8%邀請100位使用者操作問卷，88%認為前推較省力，95%在上坡感受到輔助效果，75%認為下坡時系統阻力可防止滑動。 實驗結果證實本系統具備良好穩定性與實用性，未來可應用於物流推車、長照輔具或電動輪椅，提升操作便利與安全性。