生活與應用科學科(一)科

本研究主要應用AI影像辨識將大型車輛轉彎內輪差及視覺死角危險區域內的行人及車輛定位，立即以語音對駕駛警告危險位置，避免車禍發生。本系統先於Windows 10 PC上的Anaconda3 Spyder 環境以Python3使用OpenCV函式庫開發，並叫用YOLOv3來進行物體的辨識，能正確辨識行人和車輛並正確定位，配合大型車內輪差的計算判定危險性。程式最後佈署於NVIDIA Jason Nano Ubuntu 系統下並安裝於大型車輛。不同於一般行車視野輔助系統僅以測距的感測器偵測，本系統能明確得知人車種類，明確標定位置，並能立即判定有無危險，更立即以語音警告駕駛，且不干擾駕駛的視覺注意力，同時也擴音警告車外的用路人。研發過程中還設立了車輛影像辨識研究平台，期望後續研究能和自駕車的發展結合造福更多的駕駛及用路人。

天氣預測是攸關人類生活的大事。目前天氣預測主要利用大氣氣壓、溫濕度、雲層等參數資料來進行天氣預測。為達到低成本及小範圍之天氣預測，本研究利用物聯網的『眼睛』-樹莓派相機來觀測雲層，配合Arduino感測器蒐集到的氣象參數輔助，以預測30分鐘後降雨的機率。本研究採用卷積神經網路(Convolutional Neural Network, CNN)來進行模型訓練，首先將雲層圖片提取RGB特徵向量，配合氣象資料輸入模型以進行模型訓練，所訓練之模型可即時預測未來降雨的狀況。本研究進一步以精密度、召回率、F-measure、及混淆矩陣來驗證模型成效，準確度皆達80%以上，證明本研究訓練之模型預測降雨的準確性及可行性。

住在臺灣很難避免受到地震的威脅，當地震發生時，有許多家庭因為門窗變形而無法順利逃出建築物，本研究探討—能在地震發生時自動開門的「感震防盜門鎖」之可行性，我們從文獻探討了解地震的分級與加速度有關，進而利用加速度感測的功能進行作品設計，首先為了能在5級以上地震發生時自動開門而進行第一代「感震門鎖」設計與製作、為了防止小偷入侵而改良的第二代「感震防盜門鎖」及能夠由中央控管系統自動開啟建築物所有門鎖的第三代「分離式感震門鎖」，最後經過校正及地震模擬實測，確認三款門鎖都可以有效偵測地震並將門開啟，最後經過與第一線消防人員訪談後，證明本研究作品對於居家防震的準備是具有可行性的。

目前3C產品普及導致國人視力不良，近視比例已是全球排列前茅國家，防範學齡者用眼過度繼續惡化，學校每學期初實施視力檢查以追蹤狀況，受檢過程都採用人工出題與檢核結果，全校學生檢測往往相當費力。本研究撰寫APP檢核程式安裝教室聯網電視做為出題顯示幕，並製作無線手持遮眼面具取代傳統遮眼棒，受檢結果運用物聯網技術傳送Google試算表，取代傳統紙本記錄方式並自動標註視力不良者，在研究過程針對作品檢測準確性，以整班學生進行受測比對，對於APP檢核程式有不恰當之處給予修正改良，找尋最佳解決傳統視力檢查方式。

本研究主要是對M.C-Escher手繪的各種極限圖(帶狀極限圖、正方形極限圖以及圓極限圖)進行結構解析，並探討其背後的理論與方法，運用本研究的理論方法、結構解析與格線系統，在適當軟體支援下，將可以輕鬆作出富有創意且可完全密鋪的動物磁磚圖樣。我們也利用雷射切割機將本研究設計的正方形極限圖產出拼圖板，而本拼圖板可有數種不同玩法；本研究亦可應用於跨領域教學(藝術人文、資訊、數學)、建築設計、科普玩具及相關創意設計圖。

本研究的目的是探討：運用人工智慧輔助設計風力發電機的葉片，以提升發電的效率。我們從二維葉片剖面出發，以NACA5410翼型為原型，利用XFoil翼型設計軟體與人工智慧找尋最佳升力與最佳升阻比之剖面形狀，經由風洞實驗得到理論值與本文實驗具有相似的趨勢；接著我們基於該剖面形狀用3D列印製作了長方翼，實際裝上發電機後也證實，最佳化後的葉片顯著比原型表現更好；我們接著把實驗擴展到三維，即漸縮翼與翼尖小翼，透過實驗證實這些技巧對於風電效率有顯著的助益；而除了幾何形狀外，因配重可儲存動能的特性，我們也探討葉片設計的結果對配重的影響；最後，由於最佳升阻比之葉片有較低的能量損耗，排列風電機組的組合也得到更好的效果。

現代科技日新月異，許多人慢慢的接觸了程式設計，例如：Scratch、mBlock、micro:bit。我們的研究以micro:bit作為程式設計，先探究生活中物品的導電性，再以這些可導電的物品加上micro:bit的程式設計，運用「琴鍵編碼表」的邏輯概念，以最少的接線，設計出以下三種可攜帶的科技鋼琴：1、西卡紙與導電材質結合；2、塑膠鍵盤與導電材質結合；3、木片與導電材質結合。只要輕輕的按琴鍵，就可以彈出一首優美的簡單樂曲。為了突破微鋼琴的琴鍵數量限制，我們增設降8度及升8度鍵，可增加彈奏的音域。另外我們也運用了micro:bit板子上的A和B鍵，一按A或B鍵，micro:bit就會自動彈出一首歌曲，非常有趣。

本研究目的在於開發一款能夠自動撿取乒乓球的類掃地機器人，針對以下變項進行實驗研究，並歸納出最佳的製作要素： 一、 滾筒篩選繩使用5mm線徑的彈力繩 二、 滾筒篩選繩中心到中心的間距為40mm 三、 滾筒篩選繩中心距離地面的高度為10 mm 四、 推動輪速度設定為PWM=80 五、 感測器偵測的距離設定為42公分 六、 讀取HUSKYLENS辨識框中心的X座標，導正推動輪方向。 最後運用 Arduino 整合 AI 影像辨識技術、馬達驅動模組、超音波感測，撰寫程式讓乒乓球撿球滾筒判斷乒乓球並導正方向，製作出可自動撿取乒乓球的類掃地機器人。

潮濕的3D列印線材會導致3D列印品質不良和失敗問題，我們將存放箱、防潮材料、加熱除濕等方式導入實驗變項，我們使用arduino開發板搭配DHT22溫濕度計量測數據發現： 1.塑膠存放箱內的濕度相對比紙箱和開放空間低 2.塑膠箱中防潮材質以乾燥劑的濕度最低 3.有鋪設鋁箔紙的塑膠箱中，在加熱效果相同的條件下溫度較高 4.塑膠箱中的溫度相對越高，濕度相對越低 根據以上，我們將有效的變項融入我們的3D列印線材存放箱設計，除了加入即時溫濕度環境介面，同時套用鋁箔紙鋪面、乾燥劑和加熱法來有效控制存放箱濕度。確保3D列印線材可以保持乾燥狀態，最終達到我們研究目的：解決3D列印品質問題。

本研究透過收集資訊的能力，藉由網路資源、手機APP功能，期許達成測量物體高度誤差小於1%的目標。最後找出能以最小誤差來測量臺北101大樓的方法。 最初先嘗試不同測量物體高度的方法，討論過程中發現隨著不同角度，物體距離與高度存在規律的倍數關係，利用網路搜尋發現這就是三角函數的基礎概念，最後選定以此方式來測量臺北101高度。 研究發現，以簡易手機自拍三腳架、手機角度APP，在臺北101大樓仰角45°的周邊地點中，以臺北市府廣場測量臺北101大樓高度是最適當的地點，平均誤差在1%以下（0.356%），最低測量誤差甚至達0.007%（誤差3cm）。