生活與應用科學科(一)科

全球能源需求日益增加，發展永續且環保的再生能源是當務之急。本研究以「植物發電」為主軸，探討發電與儲電的可行性，期望為綠色能源帶來創新。植物若能有效發電與儲電，不僅具美觀與功能性，更能兼具減碳與供能的綠色解方。 本研究透過系統性實驗，探討不同土壤種類與濕度、植物種類（虎尾蘭、山蘇、黃金葛、常春藤）、混合土壤比例及添加劑（如EM菌、B1維生素、花寶系列）對電壓與電流的影響。結果顯示：泥炭土表現最佳，虎尾蘭電壓最高，虎尾蘭電流最穩定， EM菌能有效提升發電效能。將植物串聯可穩定供電，驅動 LED燈與數位小時鐘，並可儲存至充電電池。 本研究顯示植物發電具實用性與發展潛力，期望未來應用於日常綠能設備為再生能源貢獻新方向。

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。

本研究利用樹莓派Pi 4B、PicoW及各式感測器建構校園環境的自動化系統。整體架構中以Pi 4B為核心，負責各項資料以MQTT 技術傳送交換及Node-RED做數據呈現，PicoW則控制著各感測器操作。首先，從三種形式的LED燈找出最適合做為教室智慧燈光的燈光源，利用光照度感測器讀取光照度值反饋給LED控制器，自適應調整LED發光亮度PWM值；再利用人體運動感測器做為燈具自動開關的依據。另二個PicoW連接PM2.5、溫濕度感測器及太陽能路燈、水泵，隨時偵測校園環境的PM2.5值及溫濕度並自動化操作各設備。最後，以平板載具即時顯示各設備狀態，以可視化web界面觀察教室內燈光及校園內各項設備運作情形。

現今運輸與物流系統消耗大量能源，造成高碳排放。本研究開發創新磁浮動力輪，旨在降低能源消耗並提升運行效率。研究結合三大核心技術： (1) Bedini馬達電能回收，延長續航力； (2) 慣性滾珠旋轉能，減少電力消耗，提升效率； (3) 側邊磁浮導引系統，減少摩擦，提升行駛平穩性。 實驗顯示，Bedini馬達能有效回收電能，慣性滾珠使行駛距離提升31%、側邊磁浮導引讓滑動阻力下降16%，且能減少晃動，提高穩定性。本設計具模組化與延展性，未來可應用於智慧物流、無人工廠與綠色交通系統，是具前瞻性的節能推進技術。

本研究結合生成式AI與UAV技術，利用Google Colab雲端平台，自動檢測柔性鋪面裂縫並評估鋪面狀況指數 (PCI) 的可行性。團隊採用ResNet152預訓練模型進行遷移學習，並透過滑動窗口技術自動定位與分類裂縫。驗證結果顯示，模型在15張現場影像上的F1 Score達0.815，具備穩定且優異的辨識能力。 團隊基於內政部營建署《柔性鋪面損壞調查手冊》標準，開發程式自動計算PCI值並分級評估路況。研究證實，本系統可低成本、快速且準確地替代傳統目視檢測，提供道路維護的自動化評估工具。此外，研究亦展現生成式AI在程式開發中的輔助效益，為未來AI道路檢測技術奠定基礎。

我們發現學校附近上下學時間車輛很多，造成空氣污染。為了解決這個問題，我們設計了一套「遊戲化學習系統」，鼓勵同學用走路來上學。我們利用Micro:bit和NFC技術來記錄每天的步數，再把步數變成遊戲裡的攻擊力，讓同學打怪升級、比賽得分。這樣不但好玩，還能減少二氧化碳的排放。研究發現，三天內大家一起走了超過八萬五千步，總共減少了大約68公斤的碳排放。問卷調查也顯示，大部分同學願意為了保護地球多走路，對這個遊戲系統也很感興趣。這個計畫成功讓大家更有動力走路上學，也學到了環保知識，還能當作其他學校的參考。

為降低車禍發生率並改善行人穿越馬路的安全問題，我們設計出結合人工智慧影像辨識技術的「禮讓行人號誌燈」系統。透過Pixel:Bit開發板的攝像鏡頭進行行人偵測，系統能有效辨識人類與其他物體的差異，當偵測到行人經過斑馬線時，上方的黑色螢幕會亮起警示燈，同時地面斑馬線也會發出燈光提醒，讓駕駛提前注意，主動減速禮讓行人。我們先透過測試不同距離的偵測條件，建立模型，接著模擬實際馬路情境，進一步優化設計。本研究除實作硬體裝置外，也結合AI協作程式，實現完整功能的原型系統，期望能應用於未來智慧交通建設中，提升用路人安全與行人通行品質，讓人工智慧A Eye禮讓行人號誌燈守護你我安全，讓「行人地獄』的惡名不再有！

本研究針對2024年花蓮地震後災難現場人員管控問題，開發「AI災後現場守護通」系統。研究動機源於觀察到非救災人員擅闖管制區域，危及自身，更影響救援效率。本系統採用Google Gemini API進行影像辨識，透過Arduino開發板整合攝影模組，即時辨識救災人員與非救災人員，並透過LINE BOT發送通知。 研究分兩代系統開發：第一代使用NMK99開發板，日間準確率達86.7%，但夜間僅64.4%；第二代改用AMB82mini開發板，增強夜視功能與離線警報（LED燈+蜂鳴器），日間準確率提升至94.4%，夜間達85.6%，整體平均90.0%，反應時間在3秒內。 本研究創新結合AI視覺辨識與物聯網技術，建立零訓練即可部署的災後管理系統，不僅適用於地震，亦可延伸至其他災難場景，為災難管理提供科技解決方案。

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。

本研究透過運用AI技術輔助程式設計聲音合成器程式，以探索聲音波形生成與觀察分析聲音頻，實驗透過不同波形振盪器，並調控ADSR參數，與濾波器組合，我們用不同的合成方法，獲得各類樂器聲音的最佳合成參數，再以先前完成的自製樂器加以改進，透過Arduino偵測串聯電阻分壓電路傳遞琴鍵按壓的演奏訊號至電腦，再經由合成器運算合成輸出對應的樂音，藉由選定不同樂器模組實現樂團合奏。在研究過程中，為解決電腦端即時運算合成音色的耗時問題，我們預先合成並暫存不同樂器音色，提升演奏時的反應速度。最終，本研究在開源程式與AI的輔助下開發出一套支援多人即興演奏的音樂合成器系統，提供創新的音樂創作與演出方式，降低傳統樂器練習的成本與噪音問題。