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。

天燈伴隨火源升空象徵人們祈福與祝願，為臺灣重要文化傳承。升空過程，種種因素造成天燈失穩墜落，而燃燒未盡可能引發火災。過去研究多著重於熱源、造型及風阻等影響，卻忽略實地環境風場影響。我們於現地實驗測量天燈升力，後續建立浮力模型、簡易風洞測試和商家訪談驗證。結果發現：天燈飛行的搖擺與熱氣洩漏是影響上升的主要因素，其中側向風速為搖擺主因，地面風場變化更是關鍵。針對分析結果，建議縮小底部開口至原三分之一，可降低56%熱氣流失。另建議設置地面風速監測及管制施放燈號，確保順利飛行至高空。提出「大天燈共乘」構想，提供雙倍書寫空間，耗能僅增約1.37倍，減少回收負擔。成果可作為天燈施放安全與環保政策之參考。

我們在生活中有許多共振現象，如：盪鞦韆越盪越高、樓梯旁的欄杆因為風而晃動得越來越快，發出震動的聲響，基於能源轉換，進而開發一款風能共振發電機組。研究分三大部分，首先研究發電機與馬達的科學原理與構造，其二以工程設計軟體RHINO進行3D建模，並導入流體力學的渦漩觀察，能在風場中提升發電效率；其三探究機械結構與風能共振的影響因子，阻風筒、支柱高度、擺盪時的支點比例，達系統效能最佳化。綜上所述，本研究為設計一款提升單位面積發電產能之風力發電機組，透過專題式方法將國中及高中的科學知識進行垂直整合，從而實現創新的綠能科技產品，兼具工程設計及設計藝術學養，具有培育發展綠色能源基礎人才。

健身房四處林立，健身為現代人所崇尚的活動，人們知道健身的益處，但須持之以恆才能享受，否則容易受到傷害。根據研究證實適當運動對身體的益處大於壞處。傳統啞鈴只是一種健身器材，但也是最佳器具之一，然而每次操作時使用者須自行計算次數，使遺漏次數、多算次數等問題層出不窮，容易造成使用者心理負擔和增加運動傷害的可能性。在作品中我們將啞鈴結合科技，使用時在啞鈴或手機設定次數，啞鈴即可幫助使用者計算次數，也能糾正使用者動作是否標準，當達到設定次數時，啞鈴會發出聲音提醒使用者。系統以ESP32為主控器，搭配6軸加速度感測器偵測慣性運動，介面設計有HMI、心率感測器及藍芽無線傳輸控制，再經由手機APP程式記錄操作者每次運動姿態。

本研究旨在結合PoseNet與Teachable Machine等AI姿勢辨識技術，根據教育部體育署國民體適能網站資料、基礎肌動學、聽取物理治療師建議、開發三款AI姿勢辨識體感互動遊戲，以提升高齡者肌力、預防肌少症。肌少症為高齡社會常見之退化性問題，嚴重影響長者之行動功能與生活品質。本研究透過Scratch平台-OSEP整合PoseNetAI模型，設計可訓練上肢與下肢肌群之遊戲，並於頭份市樂齡協會、運動公園及學校等地，實地施測多位50歲以上的長者。結果顯示參與者均能正確執行遊戲指令，且對互動設計及視聽回饋表達高度興趣與正向回饋。本研究系統具備操作簡易、成本低廉與可擴充性，顯示應用於居家運動或長照場域具高度可行性與發展潛力。

探討雙面太陽能電池較傳統單面太陽能電池之發電效益差異，分析太陽光在不同材質地板的反射與散射，太陽能板安裝角度與方位，對於發電量的影響。雙面太陽能電池可以增益11%至37.5%發電量；等同降低37.5%發電成本。台灣位於北半球，考量整年最大發電量，應朝南安裝，安裝角度應與所在位置的緯度相近，並搭配白色表面粗糙之高反射和高散射地板，獲得最大發電量。單面太陽能電池，朝北或東或西安裝，與朝南安裝比較，發電量降低約50%；如果改成雙面太陽能電池，不但可以增加總發電量，亦可以將差異縮小至30%以下。如果因為建築物限制，只能選擇不是朝南安裝，或是不能選擇最佳安裝角度，雙面太陽能電池可以減少這些不利因素的影響。

本研究開發「智慧校園GO」網頁系統，平時提供校園三種策略導引(最短路徑/最低打擾/無障礙路線)功能，當遇上校園霸凌、學生群聚、火災、菸害、陌生訪客闖入監控等緊急事件，則啟動Level 0(最低)到Level 2(最高)的警報分級，通報相關人員、紀錄當下影像或數據，規劃「無障礙」或「最短路徑」進行即時處置。系統採響應式介面(模式切換、模糊搜尋)、地圖箭頭顯示，樓層動畫與實景照片呈現，支援自動起點及模擬定位。後端整合ESP32感測、YOLO 影像辨識，以Dijkstra演算規畫路徑。實測顯示，霸凌警示準確率95%、群聚辨識正確率92%，介面易用性取得4.1/5的分數，而「影像辨識偵測行為」功能取得4.7/5的高分肯定，展現智慧校園GO系統於即時警示與校園安全的實用價值。

本探究從遊戲電影與日常生活中得到許多的啟發。最主要在探討製作出導熱與散熱效果最好的鐵磁流體，我分別應用不同的材料做出差異。首先找出最適合的鐵粉來製作，做出第一代鐵磁流體，再調整比例，接者挑選基載液體，再嘗試放入表面活性劑，最後是洗潔鐵磁流體的液體。經實驗發現以鐵粉為四氧化三鐵，表面活性劑為大豆卵磷脂，基載液體為煤油，以及洗潔鐵磁流體的液體為酒精所做的流動效果為最佳。我自製了一台簡易測量裝置，以此更加便利於測量鐵磁流體的最高長度和影響鐵磁流體的最高距離。而後為確認最終各項鐵磁流體的傳導效果，我製作了簡便小裝置計算冰塊融化的時間，以此分辨出最佳的鐵磁流體。最後的成果也證明出了鐵磁流體獨特的性質。

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。

本研究探討如何利用電腦視覺技術預測十字路口行人與車輛碰撞風險，提升交通安全，採用YOLO物件偵測與運動追蹤技術，分析監控影像，透過LSTM 進行時間序列預測，評估可能的碰撞風險。研究先進行影像標註與資料處理，提升自訂物件偵測能力：偵測行人與車輛和追蹤其移動軌跡，建立LSTM預測分類模型，學習運動模式以預測碰撞風險。研究設計先用小球碰撞實驗模擬真實交通場景，訓練模型預測碰撞風險，並透過驗證分析調整參數，再進行實際路口影像處理。結果顯示能預測未來2秒碰撞風險的準確率達73%以上，還可以持續改進，提升精準度。未來，本研究可結合智慧交通管理與車聯網，提升道路安全並減少碰撞事故。