本研究探討銅銀奈米粒子的形態控制與抑菌性能。硼氫化鈉、寒天 Agar 及植物萃取液法，合成銅銀奈米粒子，TEM 分析粒徑大小和分散性，使用高效液相層析法(HPLC)檢測萃取液中的反應物質。結果顯示，銅奈米粒子在植物萃取液中穩定性較高，粒徑更小，具明顯廷得耳效應。銀奈米粒子因反應物濃度過高和穩定劑不足，容易聚集粒徑較大。奈米銅對大腸桿菌(E. coli)有顯著抑菌效果，而奈米銀抗菌性受粒徑影響較大。通過尖端放電，電擊處理過的奈米銀粒子，粒子數增加粒徑也明顯降低，使銀奈米粒子抑菌能力進一步提升。本研究為銅銀奈米粒子在抗菌應用領域提供了基礎，採用綠色化學製程所合成的奈米粒子，未來可透過合成條件的優化來進一步提升其性能。

本研究探討新型微生物燃料電池(MFC)於能源再生及水資源處理中的應用。MFC利用微生物將廢水中的有機物轉化為電能，不僅達到能源再生、低碳排放的的勢，， 可降解有機物、低產生電力等。本研究使用不含氟化物的煤灰陶瓷隔離膜，並對石墨氈改質， 以探討電極的材料(石墨紙低石墨氈低改質石墨氈低排布) 及表面積(3x3、低4x4、低5x5 cm²)對MFC產電效率及淨化廢水效率的影響。結果顯示，電極材質則以較貴的石墨紙表現最勢，但較便宜改質石墨氈在發電效果及去除污水的效率上皆接近石墨紙；在電極表面積為4x4 cm²時產電效率及淨化廢水效率最佳，顯示較小的表面積差異對MFC影響效果不大。本研究可為MFC在污水處理和能源再生中的應用提供了重要的數據參考。

本研究探討船體結構外板在海洋環境中的腐蝕行為，並建立預測模型以提升防護與維護效率。由於船舶長期處於高鹽分、高濕度環境，結構易受腐蝕，影響安全與成本。研究採用不同厚度鋅板實驗，結合經驗公式預測腐蝕，並與實測數據比對。結果顯示模型在初期具高準確性，隨時間誤差增大，推測與環境因子如氣溫、鹽度、pH值等變化有關。厚鋅板（5mm、6mm）具良好耐蝕性，適用長期防護，薄鋅板（1mm、2mm）僅適合短期應用。此模型有助於材料壽命評估與優化結構設計，提升船舶安全與經濟效益。

本研究以大氣電漿技術在矽晶片上沉積氧化鋅薄膜，並透過不同溫度退火來最佳化材料特性，以製備高靈敏度的金氧半 (MOS) 光感測器，能偵測紫外光、藍光、綠光、紅光及紅外光等多種波段光源。大氣電漿技術具備操作簡便、無需昂貴真空設備、製程環保等優勢，並可有效提升材料性能。透過光學顯微鏡及掃描式電子顯微鏡分析顯示，退火溫度影響氧化鋅結晶品質，400 ℃與600 ℃條件下結晶較為明顯，且可由穿透式電子顯微鏡清楚地觀察到高溫退火會導致孔洞形成。此外，本研究利用半導體參數分析儀量測光響應特性，透過AI技術分析光響應波形以進行光源識別，有助於提升光偵測效率與準確性，為智慧光感測應用提供嶄新的技術方案。

近年來隨著資訊科技發展，詐騙行為日益猖獗。儘管政府已建置防詐網站與專線提供人工審查，但面對大量詐騙資訊，其效率仍顯不足。為降低人工審查負擔，本研究探討提示工程技術（Prompt engineering），評估其是否可提升GPT模型對圖像與語音詐騙內容的辨識準確率。研究設計採用三種不同提示策略，分別應用於圖像與語音資料中，並比較其判斷正確數以分析準確率差異。結果顯示Chain-of-Thought Prompting在兩種媒介資料中表現皆優於其餘提示工程模型，顯示良好判斷效果。本研究基於Chain-of-Thought Prompting模型開發互動式網頁程式讓民眾可立馬使用網頁判別可疑的圖片、音訊，展現應用於基礎防詐之可行性，亦可為後續防詐系統提供設計參考。

隨著台灣在奧運羽球雙打再奪金牌後，更多台灣人想嘗試這項運動。為提升新手學習效率，本研究旨在開發一套幫助新手透過手機進行姿勢矯正的軟體。首先，本研究選擇BlazePose模型當作人體姿態辨識模型，並訓練MLP、KNN及YOLO等姿勢分類器。其中，KNN分類器在影片姿勢分類表現最佳，準確率達94.80%。此外，本研究設計Ball In Ball Out流程可偵測羽球並自動剪輯單一打擊片段，準確率為95.89%。經上述多模態資料分析後，再檢查常見錯誤姿勢及比對專家姿勢差異，最終LLM給予使用者姿勢錯誤矯正建議。羽球專家對姿勢矯正建議的平均認同百分比達82.40%，羽球新手達81.16%。

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。