第一名

本研究探討如何利用電腦視覺技術預測十字路口行人與車輛碰撞風險，提升交通安全，採用YOLO物件偵測與運動追蹤技術，分析監控影像，透過LSTM 進行時間序列預測，評估可能的碰撞風險。研究先進行影像標註與資料處理，提升自訂物件偵測能力：偵測行人與車輛和追蹤其移動軌跡，建立LSTM預測分類模型，學習運動模式以預測碰撞風險。研究設計先用小球碰撞實驗模擬真實交通場景，訓練模型預測碰撞風險，並透過驗證分析調整參數，再進行實際路口影像處理。結果顯示能預測未來2秒碰撞風險的準確率達73%以上，還可以持續改進，提升精準度。未來，本研究可結合智慧交通管理與車聯網，提升道路安全並減少碰撞事故。

本研究透過PCR、MTT測試等，從食品篩選無細胞毒性的乳酸桿菌菌株CYLB565。此菌株顯著促進GES-1胃細胞的傷口癒合。CYLB565與其分泌物在pH4、6.5的環境下顯著抑制病原菌。抗發炎實驗中，若胃細胞預先以EPS處理，對大腸桿菌、LPS、幽門桿菌誘發的發炎具預防潛力；若於發炎反應同時以EPS處理，對大腸桿菌、LPS誘發的發炎具即時阻斷潛力；若於發炎反應之後以EPS處理，對大腸桿菌、幽門桿菌誘發的發炎具治療潛力。CYLB565在pH 3及0.3%膽鹽環境下具良好腸胃道耐受性。全基因定序結果顯示CYLB565為新發現的胚芽乳酸桿菌菌株，質體具安全性，適合應用於細菌性胃炎的預防與治療。

生態棲位相近的青萍和水如何共存？同時我們也觀察到兩浮萍在夏冬有明顯消長：夏季水面多由水萍主導，冬季則青萍佔優勢。深入探討兩者競爭策略，發現水萍透過提升抗氧化能力增加葉狀體間連結數，放大植株間吸引力，並以鈣離子誘發的葉狀體隆起等方式釋出更多生長空間，偏向保守鞏固策略；青萍則任由ROS累積觸發葉狀體斷裂，降低植株間吸引力，憑藉個體小與高填空效率，採取侵略佔領策略。此外，研究發現光週期與光敏素為浮萍季節消長的關鍵因子：夏季長日照累積Pfr造成連結數提升，利於水萍鞏固優勢；冬季短日照誘使Pfr變回Pr，促進葉狀體斷裂，助青萍佔領水面。此發現揭示光週期如何調控浮萍季節消長，為水生植物競爭提供新見解。

為解決傳統物聯網監測系統過度依賴中央伺服器所引發的隱私外洩、單點故障與缺乏彈性等問題，本研究提出一套創新的去中心化監測系統「環語鏈」。其核心創新在於整合本地大型語言模型(LLM)與三層式模組化基地台，實現了數據的本地處理與彈性的分層協作。透過低成本小型基地台進行資料蒐集，由中型基地台負責情報交換與暫存，最終由大型基地台運行本地LLM進行意圖分析與生成自然語言回應。本系統不僅能被動查詢，更能主動發送警示，並具備自動記憶與可自訂人格的功能，打造真正個人化的智慧管家體驗。所有資料儲於本地，使用者可依需求靈活配置感測器，確保了系統的安全性、擴充性與高穩定性，為新世代智慧生活提供了一個兼具人性化與高韌性的解決方案。