高級中等學校組

本研究將工業廢棄物中的爐石與不鏽鋼粉再利用於取代水泥砂漿原料，除有效運用廢棄物外，亦可透過取代水泥與砂，減少二氧化碳的排放及天然資源的消耗。為驗證其應用之可行性，本研究以爐石粉取代水泥、爐石粉取代砂、不鏽鋼粉取代水泥、不鏽鋼粉取代砂、爐石粉加不鏽鋼粉取代水泥、爐石粉加不鏽鋼粉取代砂等六種型式，每種型式採5%、10%、15%、20%等比例，依據CNS規範進行28天齡期之水泥砂漿抗壓強度試驗，每一組試驗皆製作3個試體，並與對照組之一般水泥砂漿比較分析。結果顯示不鏽鋼粉與爐石粉可有效提高水泥砂漿的強度，以爐石粉加不鏽鋼粉取代15%砂可獲最佳強度，取代20%砂則可得環保及工程性能之最佳效益。

在科技進步的年代，電晶體成為組成高效能晶片不可或缺的元件，其發展影響著電子產品的效能與功耗。隨著製程技術節點縮小至2nm以下，傳統鰭式場效電晶體 （FinFET）架構逐漸面臨短通道效應與漏電流增加等挑戰，而環繞式閘極場效電晶體（GAAFET）技術則因其優異的電流控制能力與低功耗特性，成為新一代電晶體的主流。本研究探討在固定有效寬度與垂直間距的條件下，不同奈米片堆疊數量對電晶體電性的影響，透過科技電腦輔助設計（TCAD）軟體模擬分析次臨界擺幅（SS）與臨界電壓（Vt）等參數，對下世代環繞式閘極奈米片場效應電晶體(NSFET)進行最佳化研究，提供未來半導體技術發展之設計方針。

本研究在探討如何將「雷射都卜勒震動儀」（Laser Doppler Vibrometer, 以下簡稱 LDV）所測量出的一維訊號，進一步轉換出二維資訊，意即聲源的來向。本研究包含兩個部分：以物理推導出系統模型，與利用音檔進行深度學習以訓練AI模組，並根據不同聲源來向進行分類。經過推導，我們發現LDV所輸出訊號與待測物表面之關係。同時，也利用程式模擬待測物受聲波影響後之振動模式。藉此，我們以模擬還原出了LDV所收到的音檔，並與實際錄製音檔比較。最終，我們成功建立了分類準確率將近100%的AI模型，並改善了過去的聲源定位方法。

本研究針對新竹地區水源受潛在污染影響且磷檢測昂貴的問題，改良傳統磷鉬藍法（PMB），以發展低成本、高靈敏度且環保的磷酸鹽檢測方法。 主要針對三項缺點進行改良：（1）高試劑用量、（2）使用有害銻離子、（3）鑑別度受限。透過九宮格實驗設計，調控鉬酸銨與維生素C濃度，並進一步控制反應系統，透過吸收光譜分析，成功篩選出能避免鉬藍干擾且反應時間短的最佳條件，成功建立良好的檢量線。應用於新竹地區自來水檢測，總磷濃度為0.045–0.101 ppm之間具有顏色鑑別能力，證實其半定量的可行性。 與傳統法相比，本法化學污染減少至1/45，操作簡便，且有機會發展成「磷酸檢測球」，本研究所開發方法兼具環保性與普及性，適合用於水質監測與環境教育推廣。

本研究以天然材料製作「水溶性包裝袋」為目標，期望改善塑膠袋所造成的環境問題。從腐壞地瓜萃取出澱粉為原料，並將甘油、聚乙烯醇（PVA）、檸檬酸、硬脂酸及水混和以塗佈機於玻璃片上製膜。針對不同比例所製成的水溶膜，透過SEM探究聚合物的交鏈情形；藉由拉力實驗找出膜袋 荷重性最佳的成分比例，澱粉、甘油含量較低者，膜袋荷重表現佳。以熱重分析法探究膜袋之熱穩定性。以FTIR分析成分比例不同的膜之氫鍵，圖譜中可見甘油所造成之變化，同時影響膜的黏滯性。透過微粒動力學將膜溶於水中，施以擾動並觀察微粒粒徑變化情形，攪拌時間越長粒徑越小。最後，將自製膜放於植物盆栽上，觀察植物成長及測量滲透水pH值，確保其對環境友善，以利推廣應用。

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。

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。

本研究旨在校園植物上篩選出使植物對抗逆境具有潛力的菌株。首先，將校園植物葉圈與維管束內部分離出的細菌進行生理生化分析及篩選後，分離出三株對植物生長無不良影響之 Priestia megaterium菌株。實驗結果顯示，P.megaterium能共生於番茄苗中，將番茄幼苗處理P.megaterium菌株兩週後，能協助番茄植株抵抗土壤鹽化而存活，或是當土壤環境有油污污染時亦能使植物維持生長，因此具有幫助植物抵抗不良逆境之潛力。未來則希望能更進一步 探討P.megaterium與植物間如何相互作用而抵抗逆境。