高級中等學校組

本作品藉由邊界層氣流下手，主要探究邊界層層流區之平均厚度（δ）對平面介面粗糙度（Ra）的變異程度（σ），並找到Ra、雷諾數（Re）對σ的預測公式，讓σ的研究更實用。不同於多數研究邊界層氣流的作品 採用導入煙霧的方式，通過煙霧的運動軌跡了解氣流的模式、結構。本作品在捕捉邊界層氣流時採用紋影技術，且在分析時結合紋影技術讓氣流可視化的特色使用圖像化代碼進行分析，不僅可以研究低流速、小尺度的邊界層氣流，也可以比擬更真實的空氣環境，亦是提供研究邊界層新的想法。 研究結果發現Ra與Re共同影響σ，且σ與Ra呈正相關，並有開口向下的二次多項式之趨勢；σ與Re呈負相關推測與流速越大導致邊界層厚度變薄有關 。

本研究主要在探討不同反應條件對於銅氨纖維合成的影響，透過改變不同的因素(如：纖維來源、銅來源、銅氨纖維混合液注射方式以及濕式紡絲液濃度等)作為操作變因，模擬在工業操作中各組件的運作過程，探討變因對於銅氨纖維的生成、纖維表面平整度與拉伸強度的變化。本研究顯示纖維素的種類會對銅氨纖維 成型造成影響，選用不同的銅原子來源會影響銅氨錯離子的生成進而影響纖維的生成，所使用的濕式紡絲成形液濃度也會對銅氨纖維成型有所影響。

本研究的概念來自於110學年度學測數學的選填題，我們先固定原題的部分變因，探討單一方向並改變單一旋轉角度對圖形特性的影響，並試著求出角數、路徑長、面積等通式；接著嘗試多增加一個旋轉角度形成不同旋轉角度組合和不同方向的旋轉角度組合對圖形特性的影響；最後還試著改變移動距離，找出兩種移動距離組合在旋轉一圈內形成封閉圖形的特性。我們發現一圈內相同旋轉角度組合依規則分割和填補，會形成面積有固定比例的正多邊形；一圈內不論順、逆時針旋轉角度組合，周長和面積公式皆相同；兩圈以上的順、逆時針旋轉角度組合皆會產生多種類型，需要針對各類型分開考慮。

本研究以圓內接多邊形為主題，探討其幾何結構中的尤拉線特性，重點分析原三角形與頂垂三角形之間的幾何關係，以及原三角形與六邊形尤拉線的關係。

本研究以堅固的圓形筒套上氣球膜或是奶粉蓋後，貼上鏡片反射紅光，觀察不同振動頻率下的光線圖案。本研究的實驗方法，能初步解決氣球膜不易觀察共振模態的問題，並在過程中發現，反射光的圖案多數是呈現直線的，推測可能是同心圓共振膜態反饋的結果。

研究本土田螺在人為環境復育，豆渣再用製作飼料，「冷凍」是保存飼料較佳方式。公母體型有顯著差異，母螺可懷7隻小螺為胎生。田螺偏好分布飼養箱「遮陰處」的「地板」，成螺多聚集，幼螺則散佈。 飼養存活率0.9375。對照組、25%組、30%組、35%組、40%組，母螺分別產子87、102、110、104、81隻，子代營養不良率0.174、0.176、0、0.042、0.5，子螺平均螺高4.00B±0.79、3.91B±0.93、4.32A±.046、3.86B±0.68、3.92B±0.88 mm，得知豆渣比例30%的飼料顯著最好。理論上，豆渣比例30.274%的飼料飼養62天，可得到最大子螺高度總和。

本研究著重於透過面部表情的判斷進而推斷情緒狀態的深度學習神經網路模型。首先，將人類的情緒狀態分為七個類別，並透過MediaPipe框架取得影像中的臉部特徵位置，利用其座標框定臉部範圍並作為深度學習模型的輸入。第二，透過部不同特徵訓練模型，進一步優化模型識別情緒的準確度，並嘗試不同的特徵，例如：趨勢曲線函數的係數或是各種向量。最後我們設計了一個插件，利用此模型在Google Meet中進行即時的影像辨識並分析，作為線上課程的授課成效評估。 目前本模型在透過五層卷積層配合池化層及全連階層，並提取瞳孔眉毛向量、瞳孔鼻尖向量以及口部中心為基準點的向量作為特徵，能夠有84%的準確度，F1值落在約85，其中快樂情緒的辨識精準度高達98%。

本研究旨在開發一套以影像辨識為主、結合生理徵象監測之「工業廠房作業人員智慧型即時安全監控與危害預防平台」，以實現對作業人員 的即時保護與風險預警，成為基層勞工免於職災威脅守護者，保障工作權益的最佳防線。 此平台具備多工作場域模組化功能，首先以重電設備場域作為研究起點，透過有限狀態機（FSM）架構，系統性地建立作業流程的狀態圖。平台結合YOLO模型於狀態圖之啟始狀態進行防護裝備穿戴辨識，預防狀態之設備通電警示，作業狀態則以長短期記憶神經網路（LSTM），搭配心率與聲音感測器偵測。 此外，本研究亦於車床機械與高處施工場域展現良好的監控預警與可擴性成效。未來期望進一步推廣平台至更多工業環境，提升整體職場安全管理之智慧化。

惡嗪酮(Oxazinanone)為一個含氮與氧的六元雜環，現今以其製成的藥品仍為少數，但其骨架依然具備運用於未來藥品的使用之潛能。 已有高產率合成惡嗪酮之方式，然鑒於其嚴苛的反應條件，為使此反應得以廣泛應用，我們嘗試於研究中使用焦碳酸二叔丁酯(Boc2O)合成惡嗪酮。研究發現，我們預期的方法確實能在產率合理下以溫和的條件合成惡嗪酮骨架，其中以2,3-二甲基取代基為起始物之產率尤為優異，但由於TBAB殘留問題，無法得到精確產率，期盼未來研究可著手改善此問題，而讓這條全合成路徑更經濟實用。而透過改變催化劑亦提供我們推測其反應機構，但仍期盼未來能以立體化學得到更多證據證明反應機構。

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。