本研究利用電磁線圈作為動能，改善市售發球機馬達易過熱的缺點 ，所 製作的乒乓發射器具有 低成本、體積小、方便攜帶及智慧訓練等功能性，分成兩大部分： 一、機電系統：利用電流磁效應原理進行實踐，改變不同變因測試，找尋對應落點之最佳參數。另外利用手機 APP程式搭配Arduino撰寫，達成不同球路變化的無線控制。 二、智慧訓練：利用Arduino結合python程式建立專家系統，在訓練選手前，先進行前測，再依不同程度給予對應訓練等級，系統可依照受試者的進步而精進。 本實驗亦在半球桌的回擊落點處放置壓電片及LED燈條以接收撞擊訊號，過程中可即時顯示擊球落點位置、力道大小及計算成功率，並根據AI大數據矯正受試者錯誤姿勢，期望使受試者獲得更有效的訓練成效。

本研究探討「三面骰」機率，由直徑厚度比(R/d)入手，製作不同R/d骰子111種各擲300次，計33300次，繪製機率與R/d關係圖。側面機率100%的R/d界線為0.52，0%的R/d界線為8.15，33.33%的R/d範圍為1.86至2.10，三面機率相同時三面面積1:2:1。再分別以面積、環形、球體理論建模，發現理論趨勢與實驗相符(P<0.001***，R2=0.9185)。 另發現其他物理量亦影響機率，進行「投擲高度、初速度、初角速度、恢復係數」為變因的實驗，擲18000次，顯示各參數對機率的影響。於是參考文獻並建模骰子動力理論，精確計算骰子的最終面，但實驗上骰子各面為何仍存在機率呢？我們發現機率來自參數的微擾，而各骰子對微擾的敏感度不同，進而提出骰子對微擾的「解析度」概念，評估骰子的公平性。

在平面上，給定任意一個多邊形以及一點 P，P 點對多邊形各邊延長線所做垂足形成的多邊形，我們稱作此多邊形的垂足多邊形。本研究將多邊形分為共點和共線的特定形式的退化多邊形來討論。探討如何對特定形式的退化多邊形作垂足多邊形；以及這些退化多邊形作的垂足多邊形之性質會不會與一般多邊形相同，有哪些相異之處。 再進一步推導出任意兩個四或五邊形都可以皆由垂足多邊形來相似，過程中利用退化多邊形來減少需要考慮的條件，更快地找到需要的點。而且所有的證明所需手法皆是國中課程內容，可以學以致用真的十分開心。

Abdilkadir Altinas 提出三角形△ABC 與其垂心三角形△DEF 的有趣問題：若角 A 為 60 度，則角 AH'H 恆為 90 度[1]。本研究推廣此問題，我把垂心換成外心、九點圓圓心、重心，發現都有垂直關係。有趣的是，一般化討論歐拉線上所有的對應點都符合這樣的垂直關係，我先採取綜合幾何方法需逐個問題考慮而沒有共通性，較難找出歐拉線上所有的對應點的垂直關係的充要條件，所以改用解析幾何而給出了一般化的理論，這是本研究的亮點。接下來創新探究由其他形心所構造的垂足三角形之性質，不設定內角為 60 度，分別討論垂足三角形為正三角形（共有兩個）和相似三角形（共有五組，每組兩個），發現原三角形與垂足三角形的重心恆三點共線，其他形心皆無此現象。

2019年新型冠狀病毒的大流行，佩戴口罩已成為全球防止飛沫傳播病毒成本最低且有效的方法，目前雖已有團隊針對口罩有無正確配戴提出解決方案，但根據收集的資料，目前針對口罩有無正確配戴解決方案通常是使用類神經網路YOLO進行實作，YOLO使用於口罩辨識雖可達到有一定的效果，但對口鼻密合度不佳的細微狀態常有一些誤判的現象，就算民眾有配戴口罩，但若未與臉部、口鼻密合，仍有50％的空氣洩漏機會，無法有效阻隔飛沫傳染，形成防疫破口。 而本研究在這樣的基礎架構下再整合目前最強大的姿勢辨識之一的OpenPose，針對口罩與口鼻密合度不佳的細微狀態進行更深一步地探討，以期達到更好的偵測判斷效果。本研究針對的改善的方向為當神經網路YOLO判定為有配戴正確的資料時，再利用OpenPose以及本研究開發出的鼻心物件演算法，就鼻部密合度做細部偵測，進行誤判修正，最後證實出本算法能篩出56.25%被神經網路YOLO誤判為有戴好口罩的資料，可顯著提升口罩配戴辨識精準度，減少形成防疫破口的機會。

科技的日新月異，人們除了在日常娛樂拍攝中結合了空拍機，在各個職業領域為了便利與效率也運用上了空拍機，傳統空拍機的空中攝影技術也逐漸結合各項感測器、機械結構來達到職業上的需求。本專題使用單晶片Arduino nano、MEGA Mini Pro、ESP-32和飛行控制器Pixhawk為主要控制板打造一台空拍機，並結合熱成像與各感測模組達到消防救援的功效。

粉末的類沸騰現象在烹調過程中常會造成許多困擾！本研究發現許多常見的調味料粉末與麵條都會產生類沸騰現象，此現象應列入生活安全教材，提醒大家在烹調過程中，投入調味料的時機是達成安全烹調的關鍵。首先我們使用imageJ對類沸騰現象進行量化數值，在AI浪潮下，借助ChatGPT，我們完成了類沸騰比值的Python程式碼。研究過程中，我們發現溶液酸鹼性及鍋具蓄熱能力都會影響類沸騰現象，藉由此特性我們利用類沸騰現象來推算溶液PH值，自製PH計，相較於廣用試紙，它可以提供數據資料表達溶液酸性程度；同時，利用類沸騰現象跟鍋具的蓄熱能力相關性，對於一些新型複合材料的鍋具，亦可以利用類沸騰現象進行鍋具蓄熱能力的驗證，理解廣告行銷術語的正確性。

先前文獻發現，線香煙霧中的金黃胺（auramine）雖會促進肺癌惡化與轉移，卻也增加肺癌細胞對標靶藥物的敏感度，但卻未觸及auramine對傳統化療藥物療效的影響。本研究探討在p53突變型或正常型的細胞株中，同時給予auramine和化療藥物能否增加lincRNA-p21的表現量，導致癌細胞進行細胞凋亡，以降低癌細胞對化療的抗藥性。首先，利用RT-qPCR，得知在p53突變型細胞株中auramine濃度和lincRNA-p21表現量呈正相關，且合併化療藥物可再提升lincRNA-p21表現量。接著，藉由細胞存活率分析與西方墨點法，得知auramine合併化療藥物可提升細胞毒殺效果，並增強細胞凋亡訊號。最後，以p53正常型細胞株作為對照組重複上述實驗，結果卻未觀察到同樣的化療加成效果。期許本研究能對改善肺癌細胞對化療藥物產生抗藥性做出貢獻。

新冠病毒肆虐全球，也打亂各地人民生活。只有防疫做得好，才能讓生活恢復常軌。而校園正是防疫工作重要一環。我們利用物聯網開發出智能環境偵測網，結合AI技術，實施人臉口罩辨識；並運用Arduino模組，自動偵測人員識別證、體溫及手部酒精測量值。且能寫入資料庫，以取代紙本登錄更方便查詢。並開發專屬APP利於人員操作管理。我們透過實測驗證系統的可執行性，結果發現整體檢測準確率約為90.5%。而我們持續系統的優化與改良，包括即時語音提示、直覺化檢測介面、及檢測主機外盒的設計等。整個檢測系統建置成本僅需2,400元，而全部程式僅要0.5GB，利用隨身碟免安裝隨插即用，即可完成一個3A(AI、Arduino、APP)智能防疫系統。藉此達到安全智慧便利有效率的優質防疫校園。

利用深度學習解決醫學問題一直是受矚目的研究主題。鑒於近期新冠肺炎疫情上升，有關新冠肺炎檢測的研究便成了熱門研究主題。目前，最有效的檢測方法是聚合酶連鎖反應 (PCR)，然而，PCR耗時甚久且有人為誤差。因此，以X光影像圖透過深度學習來診斷並分級是一個有效率且安全的做法。在研究中，我們利用深度學習進行疾病診斷，在五元分類上有相當高的準確率(84.91%)、在COVID-19單獨辨識時得到了極高的準確率(99.35%)、產生出疾病熱區及設計了新的分級系統( X-ray Severity Grading System , XSGS)，並將其用於嚴重程度分類，在不同分級下具有可辨別的差異。