生活與應用科學科(一)科

在醫院到學校為新生進行體檢後，許多同學對檢查報告中的異常一無所知，紛紛向老師求助。然而，由於老師缺乏醫學背景，無法提供明確的解釋。這促使我們思考如何利用AI來幫助同學理解檢查異常項目。 最初，使用AI Agent-Coze創建了第一代機器人，但受限於AI算力，操作上限制很多。參加智慧物聯網創意應用競賽時，評審要求--花一年時間，換個方法再做一次。因此決定改用Python進行開發下一代機器人。Python不僅能處理和轉換數據，還能靈活實現各種邏輯操作。此外，以英文撰寫prompt，能有效減少翻譯成中文時的token消耗。 最終，成功開發了新版本的機器人。與Coze方案相比，新方法大幅降低了token使用量。根據保守估算，token消耗減少至原來的1/500，顯著提升了效率並達成實驗目標。

本作品結合積木、馬達機械結構與AI技術自製「圍棋AI自動分類機」，將黑白子分類收納解決下完棋後沒人收拾的問題，我們以自動麻將桌概念為發想，設計9項不同實驗，首先以不同裝置測試棋子掉落方式，發現賓果滾筒能有效控制棋子一個一個掉落，其次大量拍攝不同燈光環境下黑白子照片，以Label-Studio進行影像標註，撰寫Python程式訓練AI影像辨識模式並控制伺服馬達轉向，使黑白子依辨識結果正確分類至棋盒。結果顯示「圍棋AI自動分類機」分類正確率高達99%，此外我們也應用於盲用圍棋，協助視障學生收棋，提升下棋便利性與學習意願。本作品不僅展現AI應用於日常生活創意實踐，也呼應SDGs中促進優質教育目標。

本研究針對超市等室內空間中之逃生路線進行規劃，並利用Scratch建立模擬模型，結合曼哈頓距離與Dijkstra演算法進行最短路徑分析。研究旨在開發一套具效率的逃生路線規劃工具，以供空間設計與安全規劃參考。

本研究針對農業害蟲辨識數據集的優化進行探討，旨在提高深度學習模型的辨識準確度。隨著科技進步，人工智慧在害蟲識別中愈發重要，但現有數據集面臨數據品質不良、樣本偏差和錯誤標註等問題，影響模型的可靠性。研究主要分為三個部分：首先分析現有數據集，探討樣本數對分類準確度的影響；其次優化數據集，通過刪除拼接和錯誤圖片、重複圖片等，提升數據質量；最後實際應用模型，開發一套害蟲辨識系統。實驗結果顯示，增加樣本數和改善數據質量顯著提升了模型的準確率，並且開發的介面可協助用戶即時識別害蟲。整體而言，本研究不僅提高了農作物的病蟲 害防治效率，還為未來的害蟲識別技術提供了有價值的參考。

本研究透過專家訪談了解自行車訓練核心訓練要素，開發「我的AI自行車教練」系統，期能提升初學者騎乘穩定性，利用micro:bit三軸加速度感測器即時監控騎乘姿勢變化、霍爾感應器量測速度以及i20心率感測器偵測心跳。所有數據透過藍芽傳送至 Scratch (bDesigner)，進行即時騎乘姿勢與數據可視化呈現，並整合生成式人工智慧（GAI）分析結果，提供個人化的訓練建議與姿勢調整建議，最後讓訓練者進行實際測試。結果顯示，本系統能有效提升騎乘姿勢穩定性與騎乘效率，GAI能提供科學化的訓練報告及精準訓練建議，與專業自行車教練的意見一致，證明「我的AI自行車教練」具實用性與應用潛力。

利用自然課程力學原理，進行廢棄舊桌進行結構補強，增加桌子放置物品空間，自製剪力實驗台檢測桌子補強後結構強度，自製振動模擬器檢測桌子搖動程度，實驗結果如下： （一）現在使用新式桌子有結構上的問題：榫接太小、前櫃板未與前柱榫接，形成前側結構強度 弱點，因此桌子容易搖動，大約80％要補強。 （二）將新式桌子設計瑕疵部分進行結構補後，左右方向傾角降低88.5%，前後向降低67.5%。補強後新式桌子桌比新式新桌搖動位移小，桌子結構補強後強度更高。 （三）置物空間增加2.14倍，快速安裝高度調整器降低，將12型桌子簡化到4型。 （四）製作一副桌椅碳足跡為21.69公斤CO2。延長使用年限，降低木材使用量，對於氣候變遷與環境有正面價值。

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。

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。

本研究針對傳統手推車於上坡、下坡及搬運重物時操作費力的問題，設計一套具智慧感測與動力輔助功能的自適應電動手推車系統。整合雙霍爾感測器偵測輪胎轉速與方向、陀螺儀辨識傾斜角度，以及壓力感測器判斷推拉意圖，可依環境與操作情境自動調節馬達輸出功率。我們建構13項輔助邏輯規則，簡化系統運算並提升反應效率。 實測推動34.5公斤負載上坡時，未啟動系統需7686克重（約75.3N）推力，啟動後降為1167克重（約11.4N），省力幅度達84.8%邀請100位使用者操作問卷，88%認為前推較省力，95%在上坡感受到輔助效果，75%認為下坡時系統阻力可防止滑動。 實驗結果證實本系統具備良好穩定性與實用性，未來可應用於物流推車、長照輔具或電動輪椅，提升操作便利與安全性。