工程學

The economy around the world is changing rapidly, with new ways of industrial production being introduced all the time. This is due to the Fourth Industrial Revolution. The main objectives of Industry 4.0 [5] are digitalization and full automation of production processes, which increase productivity and worker safety.

全球約有9千萬的兒童是視障者，他們的學習依賴著點字器材。點字書難以傳達3D (三維)圖形的概念，讓他們在理解3D圖形有許多挑戰，而點字書過長的文字描述加大了他們與正常同儕之間的差距。本研究旨在開發一個學習輔助平臺，同時強化視障者的觸覺認知和文字圖形理解能力。 在強化觸覺認知方面，開發之系統能將傳統的圖片，利用影像轉3D之人工智慧建模(Image-to-3D AI model)技術，轉換圖片轉為3D，呈現在開發的擴增實境顯示器上，讓視障者能夠親身透過觸摸立體顯示器之3D模型，瞭解圖片表達的空間結構。在文字優化方面，利用微調大型語言模型與搜索式強化生成等方法，優化視障者閱讀之內容。系統開發過程中，二位視障者進行體驗，持續以修正系統設計的便利性、友善性與有效性。 本研究成果為視障者帶來新式個人化的學習輔助工具，增強視障者對立體圖形學習能力與文字理解。

本研究旨在開發一款能自動跟隨人的AI智慧運輸車，應用在 醫院、商場等環境，能減輕工作人員的負擔。本系統融合YOLOv8影像辨識技術和物聯網，使運輸車具備跟隨人體的能力。該系統通過物聯網，將車上攝影機接收的影像傳送至電腦，進行即時運算，不必在車上配備高階的微型電腦或GPU以降低成本。使用YOLOv8模型辨識人體與手勢，以arduino ESP32開發板作為主控單元控制減速馬達，使運輸車能自動跟隨人員。本研究不像傳統自動導引車（AGV），因為依賴固定路徑，而無法用在多變的場景，且不適合與人協同工作。將本系統應用於醫療院所或零售業商場等 ，經常出現 變障礙物的場所時，能與人員配合執行任務，例如當作病人的點滴架、輔助護理師工作的醫務車，以及賣場中協助工作人員上貨的籠車，能有效降低勞力負擔。

本研究開發基於RNN和LSTM的獨居者居家行為監控系統，利用樹莓派、多種無侵入式感測器及鏡頭實現獨居者日常活動的實時監控與情緒評估。系統收集各感應器數據，透過 LSTM 進行學習與預測，並使用隨機森林演算法分析行為狀態，提供客製化數據處理與預測性能優化。 長期數據收集可觀察獨居者的活動力及情緒變化，早期發現健康風險，針對現有求救設備頻繁異常通知的問題，我們開發了能夠識別長期身心狀況變化的監測系統，並整合人體紅外線感應器、都卜勒雷達感應器、日夜感測器等技術，透過Python程式及MQTT進行數據收集與處理。模型訓練使用SQLite資料庫數據，經過多次測試選擇最佳參數以提高預測準確度，隨機 森林演算法也強化決策準確性。 通過長期的數據收集和分析，本系統能夠觀察並預測獨居者的活動力和情緒的變化，早期發現獨居者的身心健康是否有風險。

Carbon capture and storage technology (CCS) has tremendous potential to enable the use of fossil fuels while reducing the emissions of CO2 into the atmosphere, and consequently combating climate change. CCS faces several challenges such as energy consumption, cost, low practical applications and environmentally friendliness. This research presents the first carbon capture device capable of capturing CO2 while generating green energy. By integrating advanced materials science with sustainable energy principles, the device addresses the dual challenges of CO2 mitigation and renewable energy production in a single, cost-effective platform. Beyond its technical innovations, this research highlights the device’s scalability and potential to revolutionize carbon capture deployment. The device can be integrated into industrial emissions systems, transportation systems, urban infrastructure, or even wearable technologies, providing versatile applications across different sectors. Furthermore, the device’s lightweight and flexible form factor ensures accessibility as it improves the applicability of CCS technology in remote or developing regions. This study demonstrated a novel approach to carbon capture by implementing carbon capture into a thin-film moisture electricity generator. The developed thin-film supercapacitor successfully demonstrated the capacity for supercapacitive swing adsorption of CO2, which is a relatively novel approach to CCS that is cheap, environmentally friendly, and efficient while generating green energy from ambient humidity.

本研究旨在開發一款能自動跟隨人的AI智慧運輸車，應用在 醫院、商場等環境，能減輕工作人員的負擔。本系統融合YOLOv8影像辨識技術和物聯網，使運輸車具備跟隨人體的能力。該系統通過物聯網，將車上攝影機接收的影像傳送至電腦，進行即時運算，不必在車上配備高階的微型電腦或GPU以降低成本。使用YOLOv8模型辨識人體與手勢，以arduino ESP32開發板作為主控單元控制減速馬達，使運輸車能自動跟隨人員。本研究不像傳統自動導引車（AGV），因為依賴固定路徑，而無法用在多變的場景，且不適合與人協同工作。將本系統應用於醫療院所或零售業商場等 ，經常出現 變障礙物的場所時，能與人員配合執行任務，例如當作病人的點滴架、輔助護理師工作的醫務車，以及賣場中協助工作人員上貨的籠車，能有效降低勞力負擔。

本研究專為因聽覺神經腫瘤手術造成單側聽力喪失(Single-Sided Deafness, SSD)的聽損患者設計了一款辨別聲音方位的輔助裝置。SSD患者因為有一側的聽力完全喪失，因此現有的助聽器無法提供有效的協助。 本研究採納各式麥克風電路的優點，設計出一款麥克風模組來接收聲音。並藉由帽子周圍的六個麥克風模組形成陣列。利用頭影效應所帶來的差異，運算出聲音的方位，並且透過馬達震動來提醒使用者聲音的方位。本作品延續並參考了之前的作品[一] [二]並經過改良，經過實驗後發現，本裝置可以偵測到以使用者為圓心半徑23公尺左右、76分貝的聲音，偵測距離約為之前作品的2.3倍，可以為使用者提供3到6秒的反應時間。希望可以藉由這種方式，讓SSD的聽損患者更安心地走在路上。

本研究目標在建構可以識譜及吹奏中國笛的吹笛機器人。中國笛演奏必須協調吹法及指法；藉由控制吹氣流速、吹嘴角度及六指按壓音孔的變化來控制音高以完美地吹奏樂曲，是一項複雜的演奏技術。機器人以模擬吹笛口型的吹嘴，搭配兩個風箱往復送氣到一個壓力調節風箱送氣，以微控制板控制六個機械手指來蓋放完成演奏，為在音尾可確實止氣，設計一個風門，利用風門開闔也可模仿吐音技巧讓笛聲明確發音。辨識樂譜方面收集樂譜樣本，樣本分成譜線、音符、節奏三套，透過多任務學習MTL的深度學習架構進行訓練，建構可以辨識五線四間上下三線及全音符到16分音符及休止符的樂譜辨識模型。經測試若樂譜在符合音域範圍內，可以完整的辨識，轉換成音符資料傳送給吹笛機器人吹奏。

本研究透過JY61P六軸加速度陀螺儀與ESP-32S控制板，製作出球形水流流場監測模組，藉由Unity 3D軟體與C#程式編寫，擬合出水域的水流狀況，再搭配空拍圖與水域深度探測，進行水域模型的建立。在沙崙海水浴場水流模型，發現當水流由西南方進入模型時沿岸流會順著海岸線流入鳥喙地形，與本研究模擬出的水流流場相符，確認所設計之區域水流流場3D重建系統的可行性與準確性。若將水流流場監測模組連接GPS浮標，可方便回收監測模組並輔助水流流場監測，能探測更深、更廣的未知水域流場。 本研究建立的區域水流流場3D重建系統，可廣泛應用在未知水域的模型建立，發揮預警功能。在青山瀑布水流流場監測實驗中，發現在瀑布水潭中，不同的深度有不同的水流差異產生；且在不同位置可能會有斷層式的地形高低變化，因此在未知水域活動時，應注意水域環境狀況以確保自身安全。

Wind energy is one of the most promising and rapidly growing sources of renewable energy, although maximizing its efficiency while minimizing noise remains a challenge and limits its widespread adoption. The emergence of toroidal propellers, which have gained popularity for producing comparable thrust levels to traditional drone propellers while producing less noise, could mitigate this. This study aimed to develop a small-scale toroidal HAWT and compare its power and noise output to a conventional rotor design under similar wind velocity conditions. 15-centimeter diameter models of the toroidal and conventional rotors were created in Fusion 360 and simulated using Ansys Fluent to identify the significant aerodynamic characteristics that positively affect the blades’ power coefficient. The toroidal design with the greatest simulated power output at low tip speed ratios (TSRs) was then 3D printed and physically tested in a wind tunnel against the control rotor. The experimental results confirmed that the toroidal design had greater power coefficients at lower TSRs compared to the control rotor. The toroidal rotor started operating at a wind velocity of 3 m/s compared to the control rotor’s 6 m/s, which indicates superior start-up characteristics. While the toroidal rotor produced half the power output of the control at the highest tested wind speed of 7 m/s, it emitted 18 decibels less noise and showed a reduction in discernible noise between frequencies of two to five kilohertz. The results from this study show its potential in low-noise wind turbines within low-wind velocity environments.