全國中小學科展

2021年

煙燻水製造機運用於作物生長、疫病防治與肥力之研究

本研究目的主要是研發煙燻水製造機,第三代煙燻水製造機,採用稻梗燃燒室與噴霧式煙燻水產生室,製作並實驗說明煙燻水對農作物驅蟲、防疫、種子萌芽與肥力效果。結果顯示,第三代煙燻水製造機,生產之煙薰水品質穩定,且符合環保署空氣排放規定,其生成之煙燻水成分以氣相層析質譜儀檢測結果,共測得28種化合物,主要是醇、內酯、乙醛、酸、酮、生物鹼和酚類等。其中2(5H)-呋喃酮C4H4O2,可刺激小黃瓜種子萌發。酚類化合物C10H9N3O對抑制真菌生長有效,且在煙燻水添加甲殼素與鈣粉,有助於農作物幼苗成長。

全向型風力發電機設計研究

本研究設計十個實驗討論風力發電部件的效率,首先探討垂直型風力發電扇葉(Vertical Axle Wind Turbine, VAWT)結構如何搭配外部全向型導風罩充分利用風能。我們研究全方位來風皆能產生正向力矩的VAWT,並設計出只要有風就可以正轉的VAWT,此外並設計扇葉副翼增強發電效能。並探討如何搭配外部導流板(Guide Vane, GV)裝置加強扇葉轉動以獲致最佳發電效能,我們整合水平和垂直型兩種導風裝置,可以將全向來風(Omni-Directional Wind)皆有效引導至推動VWAT之正向力矩,與用於發電。我們製作的風力發電機體積小效率高能利用各方來風,可將風力發電化整為零達成自主發電的目標,非常適合臺灣都會區風力有限以及建築物密集的環境。

塑膠微粒對大型蚤生殖的影響

塑膠微粒常見於自然環境中,若攝入塑粒是否會對生物生存造成威脅?本研究以塑粒及小球藻餵食大型蚤(Daphnia magna),以螢光顯微鏡觀察大型蚤腸道並監測小球藻濃度以推測大型蚤攝食情形,並監測新生水蚤個體數。 研究發現大型蚤在濾食中會攝入塑膠微粒,在含0.08 mg/L塑粒的培養環境下大型蚤攝食量顯著減少。在含0.01mg/L的塑粒環境下大型蚤開始抱卵天數有延長、第一子代個體數會減少,且平均體長亦減少。若子代出生即放回無塑環境,可恢復生長情形。 在含0.01mg/L的塑粒環境下,族群大小有顯著減少且在0.08mg/L濃度下的族群在第七天全部死亡,也就是有塑環境對大型蚤生殖及生長確實造成影響。

探討以不同方向風力為動力的自製纜車用來運輸之可行性

作品延續2020全國科展特優作品「風再起時」,本組將橫流風扇改成鋁製扇葉…等多項改善;以3D列印設計機構本體,並組合塑膠齒輪做成纜車,自製類低速風洞,提高風速避免亂流,完成實驗;作品經5次改善,具備以下功能: 1. 可以順、逆風行走各方向吹來的風均可以利用。 2. 纜車可以控制正反向行走。 3. 可調整快慢速度,以節省時間。 4. 設定慢速行走時扭力增加,可負載重量。 5. 在無風情況下,可使用電動馬達驅動纜車行走。 6. 在無風無電力下,可旋轉搖柄帶動纜車。 7. 在故障及緊急情況時 ,可打空檔滑向下坡方向停靠站。 作品測試:分別以自製類風洞測試,與不同坡度實驗,施予不同方向強、弱風等實驗,結果顯示:纜車扇葉轉速與行走速度均有一致規律。荷重實驗:本體重652.8 g,可以荷重1.6 kg,速度達 0.12 cm/s。

整合姿勢辨識暨空間辨識以二維圖像實現三維空間物件相關性判定之口罩配戴正確性檢測系統

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。

探討組蛋白脫乙醯酶HDAC7對於癌細胞DNA損傷修復機制之影響

DNA損傷導致的基因體不穩定是癌症的共同特徵,而細胞依賴DNA損傷反應 (DDR) 來感知和修復受損的DNA,以維持基因體完整。DDR由DNA損傷傳感信號和修復網絡組成, DDR的活化可阻滯細胞週期並啟動DNA修復,是應對DNA損傷的關鍵步驟。其過程受許多因素調控,包括多種轉譯後修飾如乙醯化、脫乙醯化、小泛素化等。HDAC7是組蛋白脫乙醯酶,該家族成員有多個已被證實參與DDR且在多種癌細胞中常過量表現。最近研究發現HDAC7具小泛素蛋白E3連接酶活性,但相關研究甚少,因此欲探討HDAC7在DDR所扮演的角色。 本研究使用西方墨點法、免疫螢光染色、流式細胞儀分析、細胞存活率測試和細胞群落形成能力實驗,發現以RNAi技術將細胞的HDAC7基因沉默後會降低DNA損傷引起的ATR-Chk1及ATM-Chk2訊號強度,使不能有效率活化檢查點,並對DNA損傷藥物較敏感。由以上結果顯示,HDAC7有潛力做為抗癌藥物研發的新目標。

整合能量採集與儲存於單一裝置的染料敏化太陽能電容系統

隨著行動裝置與人工智慧的普及,物聯網的實現已指日可待,由於物聯網中感知器數量數以億萬計,因而整個系統對自供電的依賴也越來越深。雖然傳統電化學電池可以滿足大部分物聯網在目前階段的電力的需求,但一旦大量佈建後,更換那些電池便成為一件棘手的事情。因此,可以採集環境光能的太陽能電池是優先的選項,其中以染料敏化電池不受環境光強度及溫度的影響,且能以用網印方式製作在廉價的基板上,來提高太陽光照射的面積而不受基板大小的限制。在電能儲存方面,採用固態電化學電容,除了提高電荷密度外,也不受太陽能電池與電化學電池因電壓不匹配而造成無法充電的現象。並將兩種個別裝置整合在同一基板上,除了縮小尺寸外,還有降低系統阻抗的功能。本次研究希望能結合染料敏化太陽電池”有光即發電”的特性,最後達成能量採集及能量儲存於單一裝置的目標。

圓例覺醒

平面上,P點為△ABC內部任意一點,(AP) ⃡、(BP) ⃡、(CP) ⃡分別交△BPC、△CPA、△APB這三個三角形的外接圓於A'、B'、C'。若△ABC為銳角三角形,則¯(PA')/¯PA⋅¯(PB')/¯PB⋅¯(PC')/¯PC≥8,等號成立時若且唯若△ABC為正三角形,此外,並以三角形的三內角來表示P點為費馬點、外心、內心、垂心、重心時的確切比值;接下來推廣至n維空間,當P為任意n維n -單體A_1 A_2...A_(n+1)內任意一點,(A_1 P) ⃡、(A_2 P) ⃡、…、(A_(n+1) P) ⃡分別與n維n -單體P-A_2 A_3...A_(n+1)、P-A_1 A_3...A_(n+1)、…、P-A_1 A_2...A_n的外接n維球交於A_1'、A_2'、…、A_(n+1)',滿足∏_(k=1)^(n+1)▒¯(PA_k')/¯(PA_k )≥n^(n+1),等號成立時若且唯若¯(PA_k')/¯(PA_k )=n,k=1,2,...,n+1,其中n≥2。再藉由任意點的結論,可以應用於直接生成或快速解出許多特殊類型的三角函數不等式。此外,從主要的不等式還可以得到∑_(k=1)^(n+1)▒((A_k P)┴⃑)/(A_k A_k')┴⃑ =1,此時P點為n維空間中任意一點,最後,我們把圓改為圓錐曲線,再進行線段比值的探討。

香杉芝誘導黑色素癌細胞凋亡與自噬性死亡

香杉芝(Antrodia salmonea)是台灣特有的食藥用菇,具抗血癌、抗發炎及抗動脈硬化的功能。我們研究發現,香杉芝發酵液會誘導人類黑色素癌(A2058/A375)細胞毒性;比較香杉芝抗癌活性發現毒殺A2058強於A375細胞。我們亦發現,香杉芝作用黑色素癌(A2058)細胞,會誘導晚期凋亡(Annexin V-PI 雙染法)、Caspase-3增加及PARP裂解;產生自噬酸性囊泡(AVO)、促自噬蛋白LC3-II增加。加入細胞凋亡抑制劑 Z-VAD-FMK及自噬抑制劑3-MA/CQ可保護香杉芝誘導癌細胞死亡。此外,香杉芝會誘導黑色素癌細胞Bax/Bcl-2及Beclin-1/Bcl-2比例增加。推論,香杉芝可同時誘發黑色素癌細胞凋亡(Apoptosis)及自噬性死亡(Autophagy)。香杉芝會誘導黑色素癌細胞活性氧化物(ROS)生成;抗氧化劑N-acetylcysteine可減緩香杉芝對黑色素癌細胞毒殺。推測,香杉芝是透過ROS來殺死黑色素癌細胞。我們亦發現,香杉芝可與抗癌藥物Paclitaxe對黑色素癌細胞產生協同作用(CI<1)。總結,香杉芝發酵液具抗黑色素癌功效,可開發成抗癌的藥品/保健食品。

Deep learning on Covid-19 prediction and X-ray severity grading system

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。