生活與應用科學科(一)科

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。

本研究透過探討發現高齡化族群在肢體靈活度逐漸下降的問題，且在人們的生活中是不可或缺的需求就是「照護」，卻沒有非接觸式的工具能幫助到高齡化族群及協助照護者，如果將這樣工具放置在桌面、輪椅及病床，加上人臉追蹤鏡頭及人體工學的尺度，搭配自動調整符合每個人適合的角度並且隨時守護長者，因此我們設計出能隨時可以守護的「非接觸救星」。在研究中設計非接觸救星左右及仰角、人臉追蹤、LED燈光及外加功能等實驗，為最終設計之參考依據。透過研究之結果未來依照現階段科技及智能互連應用進行創意發想，並且時現在更多不同辨識下之情境進行守護及通知照護者，讓高齡化社會所面臨之問題可以得到更完善的解決。

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。

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。