本研究以生物性材料取代傳統無機材料製作記憶體，期待解決電子廢棄物累積的問題。實驗選用鹿角菜膠作為記憶體絕緣層，透過溶液-凝膠法製備成生物性電阻式記憶體，並探討金屬銀離子的摻雜與否對於電性表現的影響。本研究發現，藉由銀離子參與燈絲組成，可使元件ON/OFFratio比提升為103，並降低記憶體的開關電壓與提升其可靠度等表現。我們亦透過線性擬合確知本研究製作之電阻式記憶體符合蕭特基輻射模型，判定元件組態切換行為屬於燈絲傳導的可能性。由於摻雜銀離子對於生物性記憶設備的電性表現有明顯提升，離子與天然材料的組合可望成為下個世代記憶存貯產品的有利競爭者，並為未來電子元件發展提供新的方向。

物聯網為未來發展的核心與趨勢，因此我們自行撰寫程式碼並結合Arduino(嵌入式硬體平台)和酸鹼值與溫濕度感測器，組裝一台可遠端操控的智能船，搭載無線傳輸技術(藍芽、Wi-Fi)，應用於檢測水域中水質酸鹼值、水溫、氣溫及環境濕度。 再以智慧型行動裝置(手機、平板或筆電)，將本研究裝置─智慧遠端遙控船，實際於高雄地區生態池和湖泊中進行環境分析。經由量測數據相互比對後，準確獲取選定地點水域中的pH 值與溫(濕)度。本研究具有操控便利、自由規畫路徑、水域障礙閃避與距離回傳等功能，視野範圍內自行手動控制，依據偵測任務需求或行駛環境狀態，進行航行控制的水面監測。提升監測工作的安全性，操作介面簡易便利，系統穩定成本低廉。

本專題製作主要以「控制簡便」、「即時顯示」、「快速製冷製熱皆可」為原則開發出的智慧外送保溫箱，而主要解決在於現今普及的外送服務，因某些不可控因素而導致外送延誤，讓食物到顧客手上變得不新鮮，同時也可解決食物保溫上的問題。

本研究期望能藉由探討聲波的相關物理特性，研發出高效能的空氣濾清器。研究過程中，利用程式設計的基礎設計出許多低頻的頻率，再經由傳輸與測試後取得其聲壓頻譜、聲壓、聲強、聲功率分布等物理特性之數據，再藉由聲強與聲功率分布之物理特性，設計結構與完成作品。

在機械產業當中，工具機組裝中的配合面都會運用到鏟花這項技術，佔有極為重要的位置，現今當中鏟花主要還是以人工的方式來進行，並且是一項技術性高的工作，在課堂上也有看過業界的鏟花師傅示範，我們實際操作起來也不容易。 我們利用鏟花刀驅動機構來實現鏟花刀的軌跡，利用課堂所學到的知識和加工技術專業背景來開發機台，我們主要以3D列印機的運動控制為基礎，設計複合式凸輪機構，再藉由樹莓派控制Python程式語言控制鏟花刀轉向機構及鏟花刀驅動機構所需的機械動作，來達成具有不同角度及分布的鏟花承斑，這些操作都只需運用到觸控板控制數莓派便能減輕人工的負擔。 我們設計的機台具有自動化加工功能來取代人工，並且不會有人工傷害，也不需具備鏟花技術，操作介面簡便，人本成本低，便達成自動化的目標。

本作品為遠低於市價ROV的材料，設計出能在水下移動的載具，加入連線在式子母船的概念，完成能遠端控制與觀察影像的水下遙控載體。首先設計可以水下自由行動與水下攝影的子船，設計電力系統與無線訊號傳輸的母船。藉由Labview設計出由電腦介面進行遠端控制的程式，再經由USB多功能 I/O 介面卡傳輸到無線訊號2.4G接收板，來進行遠端遙控。 除了由電腦控制外以十字手搖開關進行手動遙控試驗並將線路連接完整，藉由切換的開關來改變操作的方式，即最終改良成可手動控制或電腦控制。經海邊測試能達成無線遙控子船，水中沉浮前進動作，並搭配子船到水下攝影鏡頭接收到水下影像，達成簡易型水下生態觀測之遙控無人載具。

台灣手搖飲料從 1990 年代發展，至今已超過 30 年。2010 年代更由台灣流行至東亞、歐洲、美國及中東各國。 在這飲料店滿街都是的時代，幾乎人人都喝過飲料，飲料剛出爐的時候，為了第一時間讓飲料降溫且快速交到客人手中，通常大多數的飲店家都會加入冰塊。但有些不肖業者會為了減少成本而使用沒有經過消毒的不衛生冰塊，我們覺得如果在飲品裡加入這些來路不明的冰塊會不衛生，而冷凍製冰機所製造出來的冰塊雖然衛生，可是沒有達到完全節能減碳的效果，而受到溫度的影響在杯中融化的冰塊，融於飲品中的冰塊會影響飲品的口感且越喝越淡，為了避免這些問題，我們測試了多種的研究方法，最後選擇用大氣壓力瞬間洩壓產生壓差達到瞬間降溫的效果。

本專題主要用於電梯內的防疫，其功能包含手勢感應器(APDS)及手機APP控制。感應來自手機APP或手勢感應器(APDS)的訊號後再傳送至Arduino判斷與控制，來進行開關門與上下樓。此電梯利用氣閥來達成開關門的動作，利用馬達正反轉達成上下樓，再由遮斷器定位樓層，在上下樓時及開關門時，LCD都會顯示當前所做的動作。本專題是為了減少接觸電梯按鈕時的病毒，來降低疫情傳播的風險。

本研究從自組血氧濃度計開始，進行程式撰寫後成功讀取數據，20次的累計平均誤差約為7.6%。進而延伸改善誤差，以6通道感測器搭配移動平均計算，20次的累計平均誤差降低為4.3%，再以類神經網路技術參入2%雜訊進行實驗，血氧值90-99的累計誤差平均降低至0.46%，並研究儲存數據建立資料庫。 續而增添血壓數值研究，並以無線通訊技術即時偵測並傳送病患的生理數據，可以大幅縮短運送病患達醫療院所的醫療準備之時空差距，能改善醫療時空差距的品質，提高搶救病患的時效。期許本研究結果能激發國內各大醫學中心在智慧醫療的提升進展。 (晉級全國賽後更新：藍芽血壓計及APP、網路通訊卡SIM7600X 4G HAT)

本研究旨在探討透過雷射光偵測遠端聲音震動訊號，並將震動訊號還原成聲音之可行性。研究發現：透過雷射光偵測遠端聲音震動訊號，並將震動訊號還原成聲音具有相當可行性，但因為電壓訊號係收集反射之雷射光，並非直接訊號而是參雜了許多雜訊，因此雜訊去除是聲音還原主要關鍵因素。本研究先將電壓訊號進行資料預處理及轉換為梅爾頻譜圖可視化後，再以三種不同雜訊去除方法降噪，並與原始聲音進行SSIM-結構相似性比對，發現深度學習UNet模型表現最佳。最後研究中所訓練的UNet模型，在單頻、雙頻聲音的表現相當良好，相似度最高達0.930；但在古典音樂多頻複雜情況下表現較不理想，相似度最高達為0.434。