本研究探討雙翅目昆蟲（蚊⼦）對光源的「背部朝光反應」（DLR,dorsal-light response）在捕蚊燈設計的應用。根據2024年Fabian等⼈研究，昆蟲依賴光源調整飛行姿態，若光源位於下⽅，昆蟲可能翻轉墜落。因此本研究嘗試調整光源與電網相對位置，藉以了解捕蚊效率差異。更製作同時具垂直與水平網的雙電網捕蚊燈與僅有垂直網的單電網捕蚊燈進行⽐較。 研究結果顯示，垂直網與水平網的捕捉數量比例為2.57：1。⽽加裝水平網的雙電網捕蚊燈平均收集量為0.338克，單電網捕蚊燈為0.115克，重量比為2.94：1。本研究僅透過優化光源與電網的排列方式，即可提高捕蚊效率，可直接應用於病媒蚊控制。

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。

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。

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。