第65屆--民國114年

本研究利用合成三種金屬氧化物Fe3O4、Co3O4、NiO，藉由改變摻入海藻酸鈉薄膜的比例以提升四氫呋喃(THF)去除率。先改變海藻酸鈉比例進行實驗，得到3 wt%的海藻酸鈉為最佳薄膜條件。再合成三種顆粒並鑑定顆粒特性。再將顆粒摻入海藻酸鈉薄膜，鑑定薄膜的親水性。又以90 wt%的 THF 為有機染料進行滲透蒸發實驗，改變時間後，選定 6 小時為實驗的控制時間。接著用摻入不同氧化物的薄膜進行滲透蒸發，探討何者除去THF的效果最佳。當中以Alg/1%Co3O4 的效果最佳，可產出純度99.96%的水。另將Alg/1%Co3O4進行以異丙醇和乙酸乙酯為有機染料的實驗，同樣有不錯的效果。

本項研究透過程式模擬宅配業貨車司機的裝貨與下貨過程，提出比傳統垂直擺放策略更具彈性且方便下貨的貨物放置策略－分層擺放策略。本研究所提出的分層擺放策略不僅提升了裝貨的靈活性，還能確保貨物結構便於移動與下貨。同時，程式計算擺放方式所需時間，相較於人工計算，更能有效減少時間成本。期待本研究成果能夠為未來的物流業者提供參考。

本研究提出一套基於貝茲曲線的手寫圖形向量化系統，透過自動節點擷取與分段擬合機制，在降低點位數的同時維持高度幾何保真，本研究整合了自創的線段向量與曲率特徵處理演算法（SVCFP）能自動分割手繪筆劃並擷取關鍵節點，搭配最小平方法（LSM）進行高效貝茲曲線擬合，整體流程建置於網頁互動介面，可即時繪圖並獲得向量化結果。研究結果顯示，相較於傳統工具，本研究在控制點數上平均減少約84.6%，最高可達90.8%壓縮比，同時僅犧牲較少精準度情況下（BMND分數平均變動約 28~36分），仍能保持流暢準確的輪廓重建 ，亦適用於大量或即時處理情境，如數位手寫輸入、字型設計與圖形分析等，為圖形向量化提供一種高效率、低冗餘、視覺保真且實用價值高的解決方法。

本研究著重於透過面部表情的判斷進而推斷情緒狀態的深度學習神經網路模型。首先，將人類的情緒狀態分為七個類別，並透過MediaPipe框架取得影像中的臉部特徵位置，利用其座標框定臉部範圍並作為深度學習模型的輸入。第二，透過部不同特徵訓練模型，進一步優化模型識別情緒的準確度，並嘗試不同的特徵，例如：趨勢曲線函數的係數或是各種向量。最後我們設計了一個插件，利用此模型在Google Meet中進行即時的影像辨識並分析，作為線上課程的授課成效評估。 目前本模型在透過五層卷積層配合池化層及全連階層，並提取瞳孔眉毛向量、瞳孔鼻尖向量以及口部中心為基準點的向量作為特徵，能夠有84%的準確度，F1值落在約85，其中快樂情緒的辨識精準度高達98%。

隨著高齡化社會來臨，長者夜間跌倒事故頻傳，居家安全成為急需解決的問題。本研究提出一套以深度學習與影像處理技術為核心的智慧監測系統，重點為夜間跌倒事件的即時辨識與預警。系統運用OpenCV進行影像增強，改善夜間低光環境下的影像品質，再以深度學習模型Ultralytics YOLO11進行精準的跌倒偵測，達成即時通報與警示。此外，整合臥床偵測、夜間燈條引導與浴室進出監控，提供全方位居家安全防護。所有檢測數據即時記錄至Web Server（HTML、JavaScript、CSS、Flask、MySQL架構），供遠端監控與數據分析。經實驗證明，本系統能準確辨識夜間跌倒事件，有效減少長者夜間意外事故發生，對高齡社會居家安全具重要貢獻。

本研究開發智慧寵物健康監控系統，融合熱顯影感測、AI學習、物聯網與邊緣運算，解決傳統健康監測無法即時數據化與預警的問題。初期以問卷與5W2H問題分析建構四大功能：體溫監測與AI發燒預測、糞便辨識與分類、飲食與飲水記錄、異常即時通報。 系統採用MLX90640熱顯影模組與ESP32-S3監測體溫，糞便辨識以Edge Impulse訓練模型，搭配ESP32-S3CAM實現即時運算。飲食行為由 HX711 與超音波感測器記錄，並同步推播至 Discord平台。分類模型參考獸醫建議導入布里斯托分類法，提升精準度。系統具備低成本、高精度與高度擴展性，展現智慧照護應用潛力。

本研究旨在開發選擇題手寫卷的自動閱卷與成績登記系統，以減輕小老師與教師在小考閱卷及成績登錄上的負擔。為改善選擇題手寫卷的閱卷方式，本研究結合手寫字辨識技術、雲端成績登記存放及網頁式查詢三大功能，開發AI輔助手寫卷閱卷系統。使用者設定考試相關資訊(如考試名稱與標準答案)，並上傳答案卷影像，即可透過系統自動辨識答案且計算成績，並將結果即時傳送至雲端資料表，供教師透過網頁查詢。本研究成果可有效降低人工閱卷負擔，提升成績管理的即時性與便利性，期望為校園提供更高效的閱卷與成績登記方式。

在科技進步的年代，電晶體成為組成高效能晶片不可或缺的元件，其發展影響著電子產品的效能與功耗。隨著製程技術節點縮小至2nm以下，傳統鰭式場效電晶體 （FinFET）架構逐漸面臨短通道效應與漏電流增加等挑戰，而環繞式閘極場效電晶體（GAAFET）技術則因其優異的電流控制能力與低功耗特性，成為新一代電晶體的主流。本研究探討在固定有效寬度與垂直間距的條件下，不同奈米片堆疊數量對電晶體電性的影響，透過科技電腦輔助設計（TCAD）軟體模擬分析次臨界擺幅（SS）與臨界電壓（Vt）等參數，對下世代環繞式閘極奈米片場效應電晶體(NSFET)進行最佳化研究，提供未來半導體技術發展之設計方針。

本研究在探討如何將「雷射都卜勒震動儀」（Laser Doppler Vibrometer, 以下簡稱 LDV）所測量出的一維訊號，進一步轉換出二維資訊，意即聲源的來向。本研究包含兩個部分：以物理推導出系統模型，與利用音檔進行深度學習以訓練AI模組，並根據不同聲源來向進行分類。經過推導，我們發現LDV所輸出訊號與待測物表面之關係。同時，也利用程式模擬待測物受聲波影響後之振動模式。藉此，我們以模擬還原出了LDV所收到的音檔，並與實際錄製音檔比較。最終，我們成功建立了分類準確率將近100%的AI模型，並改善了過去的聲源定位方法。

本研究將火箭分成三大部分：推進、姿態控制、降落，各別研發製作，用 低成本材料結合Arduino實現動態控制，以及自製出研發測量及實驗所需的器材，最後將所有技術整合完成一整支火箭。我們自行設計了引擎噴嘴，結合實驗將噴嘴推力提升，並比較不同噴嘴的推力。為了完成姿態測量，我們利用Arduino自製姿態測量系統，經過測試將其放置於火箭中用其自動量測數據並存取。回收火箭的動態姿態控制系統之部分，我們自製柵格翼，以及利用生活中所見有趣事物，創新製作圓筒姿態控制，實現火箭在空中動態控制。最後將技術整合，完成火箭。