臺灣

隨著含水楊酸清潔保養品的廣泛使用，肌膚刺激案例日益增加，顯示市面上缺乏快速且低成本的檢測工具。本研究旨在開發一種簡易、環保且具量化能力的水楊酸檢測方法。 首先，利用水楊酸與三價鐵離子在酸性條件下生成紫色錯合物，建立吸光度與濃度間的比色檢量線（R² = 0.9993）。為提升實用性及對抗洗面乳的偽陰性成分，本研究進一步開發比色試紙，並使用廢棄暖暖包中的氧化鐵作為替代鐵源，調整緩衝液與鐵離子比例，試紙能有效辨識0%至2%間五種常見濃度，並透過RGB與灰階分析提升判讀客觀性。 整體而言，本方法具備高靈敏度、良好可操作性與環境友善特性，未來可朝向提升抗干擾能力、擴展偵測範圍及整合手機App應用，發展為具商業潛力的居家快篩工具。

本研究透過微波輔助加熱法合成Co摻雜於ZnO之粉體，並嘗試改變犧牲試劑種類及濃度，以探討最佳產氫效率的比例。研究結果顯示，以0.1g乙酸鈷摻雜於ZnO，且使用0.1Na2S做犧牲試劑，其產氫效率較未摻雜者高出一倍以上。另以SEM、XRD與BET儀器分析，顯示Co成功進入晶格，材料表面形成更緻密的網狀結構，且比表面積增加為原始的三倍，因此能帶來更高的產氫效率。未來期待能使氫能源的製備往永續能源方向再邁進一步。

本研究提出了一種基於毫米波FMCW雷達的即時居家健康監測系統，與RGB攝影機感測器方案相比，該系統更具成本效益並保護用戶隱私。對於居家健康監測系統來說，除了走、站、坐、臥四種常見的身體動作外，及時發現緊急情況也至關重要。因此，我們支持跌倒偵測以及兩種手勢的識別，一種用於頭痛，另一種用於緊急事件。然而，由於雷達點雲的稀疏和不規律特性，我們提出一種新的身體動作波形表示方式和一套處理程序用來平滑動作波形，利用雷達點雲的三度空間座標和速度在時間序列上的變化波形來表示動作特徵並作為神經網路的輸入，再搭配一輕量級的1D-CNN+LSTM神經網路來實現即時動作辨識。根據實驗結果，此方法可以達到30FPS的輸出效率和94%的辨識準確率。

對於一個連通簡單圖G，由點v作為出發點，每次皆以機率均等的原則選擇一條邊移動，在點跟邊都可以重複使用的情況下，移動的過程將依序形成一條道路，當第一次走回v時，則形成特殊的封閉道路，本文的研究是探討這種特殊封閉道路的邊數期望值。考量移動的過程中能否立即回頭，我將問題區分為兩種類型的期望值，利用矩陣解聯立方程組的概念，提供了演算法來求解。此外，我也進一步探討兩個期望值之間的相關性，並利用圖的總邊數以及點度數來刻畫期望值。我亦試著修改機率均等的原則，將選擇邊的機率一般化，探討期望值的特殊性質，從中刻畫出充分必要條件。

本研究探討不同沖泡條件對茶飲品抗氧化能力與茶多酚含量的影響，旨在找出最佳沖泡方式，並分析不同添加物對茶湯的影響並藉由碘滴定法推測抗氧化能力，了解茶多酚含量。實驗變因包含浸泡時間、加熱方式、茶葉顆粒大小，與糖、鹽、乳製品等不同添加物的影響。透過測量自製茶湯的值與抗氧化能力，探討如何沖泡出高「酚」好茶。 研究結果顯示，適當延長加熱與浸泡時間能提高茶多酚釋放，但超過一定時間也不會增加茶多酚，抗氧化能力反而下降。茶葉磨碎後沖泡可增加茶多酚，酸性環境對抗氧化能力影響不大；加入乳製品則會顯著降低其含量，尤其以奶精影響最鉅。本研究之科學依據，可幫助消費者選擇更健康的茶飲沖泡方式，並推廣茶飲的抗氧化價值。

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。

本研究的目的在探討教育部因材網AI學習夥伴「e度」之使用限制與潛在問題。作為一款免費的AI聊天機器人，具備強大的學習輔助功能，然而，我們發現，儘管e度設有一些明顯的使用限制，但網路上存在許多規避這些限制的方法。這引起了我們對於學生是否可能透過e度直接獲取答案，或其他違反學校規定的行為的擔憂。 我們透過實際測試與網路資料蒐集，發現e度的某些限制確實可以被輕易規避。這可能導致學生濫用AI工具，例如直接獲取答案、抄襲作業等，進而影響學習成效。本研究提醒學校應重視AI工具的正確使用，並加強學生對學術倫理的認知與辨別能力。最後，我們對e度提出「簡單二要」的建議，希望大家都能正確使用e度。

近年來流浪犬攻擊野生動物已對環境生態造成威脅，改善流浪犬認養現況勢在必行。本研究開發一套多模態AI快速評估與媒合平台，整合聲音、動作與圖片資料進行分析。系統流程包含：建立多模態資料庫、 以梅爾頻譜與 DeepLabCut 擷取動作特徵、分別訓練CNN 聲音模型（準確率71%）與LSTM行為模型（62%），最後再以整合評估模型進行友善度與敏感度等量化指標評分；接著透過串接雲端介面，可自動輸出認養評估報告並即時給出媒合建議。研究首度將多模態深度學習導入流浪犬情緒評估並串接領養流程，期望透過科技減少棄養、降低流浪犬對野生動物的威脅，並促進人犬共融。

本作品結合積木、馬達機械結構與AI技術自製「圍棋AI自動分類機」，將黑白子分類收納解決下完棋後沒人收拾的問題，我們以自動麻將桌概念為發想，設計9項不同實驗，首先以不同裝置測試棋子掉落方式，發現賓果滾筒能有效控制棋子一個一個掉落，其次大量拍攝不同燈光環境下黑白子照片，以Label-Studio進行影像標註，撰寫Python程式訓練AI影像辨識模式並控制伺服馬達轉向，使黑白子依辨識結果正確分類至棋盒。結果顯示「圍棋AI自動分類機」分類正確率高達99%，此外我們也應用於盲用圍棋，協助視障學生收棋，提升下棋便利性與學習意願。本作品不僅展現AI應用於日常生活創意實踐，也呼應SDGs中促進優質教育目標。

全球能源需求日益增加，發展永續且環保的再生能源是當務之急。本研究以「植物發電」為主軸，探討發電與儲電的可行性，期望為綠色能源帶來創新。植物若能有效發電與儲電，不僅具美觀與功能性，更能兼具減碳與供能的綠色解方。 本研究透過系統性實驗，探討不同土壤種類與濕度、植物種類（虎尾蘭、山蘇、黃金葛、常春藤）、混合土壤比例及添加劑（如EM菌、B1維生素、花寶系列）對電壓與電流的影響。結果顯示：泥炭土表現最佳，虎尾蘭電壓最高，虎尾蘭電流最穩定， EM菌能有效提升發電效能。將植物串聯可穩定供電，驅動 LED燈與數位小時鐘，並可儲存至充電電池。 本研究顯示植物發電具實用性與發展潛力，期望未來應用於日常綠能設備為再生能源貢獻新方向。