生活與應用科學科(一)科

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。

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。

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。

本研究共實驗11種金屬當電極片，電功率的效能最佳是鎂片和碳片，過程中發現電極片材質會影響電壓，而電解溶液種類、電極片間隔、面積和浸泡範圍，則會影響電流量，間隔越小或面積越大，電流值越高。木炭和鋁罐、鐵罐或鋁箔紙可以用來簡易造電，以鋁箔紙最佳，但實測卻電壓不足，推測是鱷魚夾太多的緣故。因此利用鋅片和銅片可焊接的特性、鎂片和碳片發電效能最佳，分別進行串並聯實驗，而金屬電極片有著體積小、不易變質、能長久保存的特性，特使用3D列印機印製電池外殼，多次改良，以鎳片代替電線，開發出串聯5個並聯4組的防災電池，實測手機充電，歷時457秒，共43毫安時(mAH) ，約有5％充電量，本研究已有實體成品，可以直接應用在生活中。

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。

我們觀察到小卷在水中移動時，若受到驚嚇或刺激，會以噴射方式迅速前進。基於此特性，我們設計並製作了仿小卷動力機器人，模擬其水中移動行為。寶特瓶小卷 模型皆採用水力作為動力來源，並以近似小卷的材質與比例製作，使其運動方式更貼近真實生物。完成初步實驗後，我們嘗試讓模型能像真實小卷般自行移動，因此運用校內的3D列印機設計零件。並且模仿小卷的動力，做出外殼，使用棘輪裝置收縮彈出產生速度，使仿生小卷能達到推進的效果。

本研究探討如何利用學校的落葉、端午包粽子的粽葉、破損L夾等環保替代材料，延長羽球的使用壽命，進一步設計全國第一款再生羽球，並透過「風洞測試、飛行軌跡測試、耐受性測試」進行科學驗證。研究方法包括專家訪談、環保材料篩選、風洞設計、發射器設計、Tracker軟體操作、撞擊設計等。根據我們的研究結果顯示：「粽葉」為修補羽球的最佳素材，在飛行穩定性、飛行軌跡、撞擊次數測試上，都能與完整羽球有相抗衡之水準，粽葉應用於生活中作為修補材料，具有潛在優勢。

近年來流浪犬攻擊野生動物已對環境生態造成威脅，改善流浪犬認養現況勢在必行。本研究開發一套多模態AI快速評估與媒合平台，整合聲音、動作與圖片資料進行分析。系統流程包含：建立多模態資料庫、 以梅爾頻譜與 DeepLabCut 擷取動作特徵、分別訓練CNN 聲音模型（準確率71%）與LSTM行為模型（62%），最後再以整合評估模型進行友善度與敏感度等量化指標評分；接著透過串接雲端介面，可自動輸出認養評估報告並即時給出媒合建議。研究首度將多模態深度學習導入流浪犬情緒評估並串接領養流程，期望透過科技減少棄養、降低流浪犬對野生動物的威脅，並促進人犬共融。