臺灣

病原體已被證實為農作物損失的主要原因，⽽背後可能與幫助農作物防⽌病原體感染的植物免疫反應訊號不⾜有相關連。根據近期研究，全球暖化所造成的溫度上升抑制植物對抗病原體的能⼒，使病原體感染農作物的問題愈發嚴重，⽽其背後的主要原因為⾼溫透過阻礙 Pathogenesis-related protein 1 (PR1) 蛋⽩的⽣成抑制植物活化廣效的免疫反應。PR1 是重要細胞激素的前驅蛋⽩，透過⽣成AtCAPE9 引起免疫反應，⽽負責⽔解 PR1 的蛋⽩酶則被發現會因⾼溫損傷。在本研究中，我們假設並證明環境升溫造成的植物免疫能⼒下降是因為蛋⽩酶活性被破壞導致 AtCAPE9 ⽣成量減少所造成。本研究由設計熱逆境處理阿拉伯芥離葉組織的初步實驗開始，藉以揭⽰ AtCAPE9 可能是使植物在熱損害後恢復氣孔免疫的關鍵因素。此項研究可應⽤於研發轉基因或⾮轉基因的⽅法幫助植物應對病原體，以預防全球暖化所導致的作物損失。

本研究選用佳穗9號黃玉米探討玉米糖度的變化，利用數位糖度計及無線光與顏色感應器，我們成功建立了一套可以簡單並準確測試玉米糖分及澱粉含量的實驗流程。實驗的結果證實玉米糖分會隨著時間漸漸轉化為澱粉，造成甜度降低、口感變硬；利用冷藏或冷凍保存，則可以延緩玉米老化的速率。 當玉米與其他蔬果一起保存時，會因蔬果的影響，造成玉米老化的更快，甜度降得更低，例如：香蕉、洋蔥等；實驗中利用我們自製的乙烯吸收劑，能有效減少香蕉對玉米的影響，維持玉米的甜度，推論出乙烯是造成玉米老化的原因之一。最後，希望我們的研究可以幫助農民與食品業者優化玉米的保存方式，也可以讓消費者在購買後，能更方便又適當的將玉米保持在最佳狀態！

本研究以協助弱勢的特教班學生為目標，特教生常因肌肉發育不良導致施力困難，生活自理能力受限，在缺乏訓練輔具的情況下只能靠夾夾子、握筆、剪紙等動作來訓練肌肉，且效果有限。我們經資料整理與實訪評估後設計出一組液壓機，透過改變針筒容量及數量、使用不同液體等科學實驗檢測，製作出簡易好操作的裝置，讓特教生們進行慣用手指肌肉的訓練，以PASCO力量感測器測量並分析訓練後的手指力量以及施力穩定度的變化，發現使用本裝置訓練能達到顯著提升手指肌力的顯著效果，長期使用能增加肌力與肌耐力。本裝置能以不同的組裝方式、元件、改變施力位置來改裝，製造不同形式的訓練輔具，並兼具多功能用途、價格低廉、取材與製作方便等發展優勢。

本研究旨在結合PoseNet與Teachable Machine等AI姿勢辨識技術，根據教育部體育署國民體適能網站資料、基礎肌動學、聽取物理治療師建議、開發三款AI姿勢辨識體感互動遊戲，以提升高齡者肌力、預防肌少症。肌少症為高齡社會常見之退化性問題，嚴重影響長者之行動功能與生活品質。本研究透過Scratch平台-OSEP整合PoseNetAI模型，設計可訓練上肢與下肢肌群之遊戲，並於頭份市樂齡協會、運動公園及學校等地，實地施測多位50歲以上的長者。結果顯示參與者均能正確執行遊戲指令，且對互動設計及視聽回饋表達高度興趣與正向回饋。本研究系統具備操作簡易、成本低廉與可擴充性，顯示應用於居家運動或長照場域具高度可行性與發展潛力。

本研究結合生成式AI與UAV技術，利用Google Colab雲端平台，自動檢測柔性鋪面裂縫並評估鋪面狀況指數 (PCI) 的可行性。團隊採用ResNet152預訓練模型進行遷移學習，並透過滑動窗口技術自動定位與分類裂縫。驗證結果顯示，模型在15張現場影像上的F1 Score達0.815，具備穩定且優異的辨識能力。 團隊基於內政部營建署《柔性鋪面損壞調查手冊》標準，開發程式自動計算PCI值並分級評估路況。研究證實，本系統可低成本、快速且準確地替代傳統目視檢測，提供道路維護的自動化評估工具。此外，研究亦展現生成式AI在程式開發中的輔助效益，為未來AI道路檢測技術奠定基礎。

本研究主要探討鳳梨各部位的蛋白酵素活性差異並評估其潛在應用價值。實驗針對鳳梨的果肉、皮、冠芽、葉及芯等部位進行分析，透過分解明膠實驗與酵素活性測定，探討其在不同溫度與酸鹼值環境下的酵素活性變化。結果顯示，鳳梨尾的蛋白酵素活性最高，其次為鳳梨頭、皮與芯，冠芽與葉的活性則相對較低，但整體差異不大。抑菌實驗顯示，各部位皆具有抑制細菌生長的效果，表示在食品保存或抗菌應用上有一定的潛力。本研究證實鳳梨不同部位皆含有蛋白酵素，顯示葉、冠芽、皮等副產物具有再利用的可能性。若能進一步改良萃取方式、提升酵素濃度，未來可望增加鳳梨副產物的應用價值，為食品加工與農業廢棄物再利用提供重要的參考依據。

無人氣象站的應用提升了大氣觀測的數據收集效率，雲屬自動判讀仍然是一項技術挑戰。本研究參考WMO國際雲圖鑑，進行雲屬影像的收集與分類，並利用Teachable Machine圖像辨識模型進行訓練，建立具備十種雲屬辨識能力的模型並探討學習率與訓練週期對模型判讀準確度的影響。實驗結果顯示，不同雲屬的分類準確度受雲屬特徵影響，層積雲與積雨雲因特徵變化較大，易產生混淆。經超參數調整發現，較低學習率有助於提升整體準確率，而訓練週期的增加或減少對準確率的影響則較不顯著。本研究證實機器學習技術在雲屬觀測上的可行性，未來可透過擴展資料集與優化模型，提高對不同天氣條件下雲屬變化的適應能力。

目前網路上流傳許多使用人工智慧修復照片的網站或應用軟體。然而,由於這些訓練資料多數來自國外,導致修復中式建築照片的效果欠佳。此外,許多老舊照片因氧化、潮濕而泛黃,使得修復程序比起修復純黑白相片更加困難。因此,本研究旨在建🖂一個專門修復中式建築物的機器學習模型,主要分為以下三個部分:首先,使用機器學習模型對老舊照片進行修復,包括著色、去模糊化和降噪;其次,分析使用不同比例之有色調照片(模擬泛黃照片)訓練模型的效果;最後,研究不同的修復順序(著色、去模糊化、降噪)和模型執行次數對照片修復效果的影響,發現「著色、去噪、去模糊化」的順序修復效果最佳。此外，許多老舊照片因為受損等原因，只剩下極少的特徵，因此本研究採用機器學習模型，以延伸重建原始照片。透過這種方法，我們能夠重新建構當時建築物周圍可能的場景和情境。

科技海綿（又稱環保海綿）能在不使用清潔劑情況下去除污漬，被認為是環保用品。但在使用過程中會逐漸變小後消失，令人疑問的是：它真的溶解了嗎？是否會對我們和環境造成影響？ 為此針對以下幾點探討： 一、探討其去污原理，並以顯微鏡觀察其纖維結構。 二、觀察使用後水體，確認使用後是否會釋放出塑膠微粒。 三、使用三聚氰胺檢測劑，測試使用後的水是否含三聚氰胺。 四、以使用過水種植綠豆與水蘊草，觀察生長情形，評估對生物的影響。 五、檢測市售牙齒美白橡皮擦，使用後是否釋放三聚氰胺或塑膠微粒，提醒消費者注意 安全。 透過實驗，期能探討科技海綿是否真的「環保」，並進一步了解其對生態環境的影響。

研究探討蝶豆花（青花素）與薑黃（薑黃素）兩種天然色素在不同天然添加劑與劑量下的色彩穩定性。實驗分為三部分，分別針對藍色色素、黃色色素與藍黃混色進行測試，在固定色粉用量下，分別加入蜂蜜、牛膽汁與阿拉伯膠三種添加劑，設五種劑量梯度（1～5平匙），共製備375組樣品。每組樣品皆以色差儀測定CIE LAB色彩空間中B值（藍–黃軸偏向），作為穩定性指標。結果顯示：蝶豆花色素偏藍性穩定，以第3平匙效果最佳，牛膽汁穩定性最高；薑黃偏黃穩定，第2平匙最鮮明，牛膽汁與阿拉伯膠中劑量表現佳；混色組整體偏黃，蜂蜜與牛膽汁穩定性良好。整體而言，第2至第3平匙為最佳添加範圍，可提升天然染料的穩定性與應用性。