成果展示

數位永續科技


第一名

智慧型精子篩選系統

蟲蟲維機


一、研究目的 近年來晚婚已成為趨勢,除了高齡影響育齡婦女的生育品質外,工作壓力、生活習慣及環境與飲食中有毒物質的增加,都使得不孕症盛行率有逐年增加的趨勢,需仰賴人工生殖的比例也逐年提高。不孕問題一直困擾許多夫妻並影響家庭幸福。世界衛生組織資料顯示,現今育齡女性不孕症比例約佔8~12%,而臺灣不孕症比例約佔10~15%,亦即臺灣每7對夫妻就有1對有不孕症。因此,研發以人工智慧來篩選健康精子是解決此問題的較佳選擇,更可造福許多不孕症夫妻。 二、研究方法 本作品提出植基於人工智慧和電腦視覺技術來設計「精挑細選,贏得生機」系統篩選精子方法,並以深度學習、電腦視覺及模糊控制的技術,設計一套如何從精子中篩選活動力最高與狀態最好之精子,從而自動挑選該精子之方法,以提升活動力最佳的精子可被篩選到之機率。此篩選方法將進行系統化分析並參考CASA方法,並在篩選過程中濾除與精子狀態不相關的各種雜質,以確保檢測的準確性,最後專業醫師再以胞漿精子注射(Intracytoplasmic Sperm Injection, ICSI)的技術,將最優質之精子吸入管中,就能直接注射進卵子進行受孕,以提升人工受孕機率,期望孕育出健康的寶寶。 三、具體作法分為下列幾個階段: 1.將不同外觀的精子增加到資料集,以機器學習辨識各種精子的外觀,例如:正常精子、錐形精子及梨形精子之型態等,並排除與精子外觀不同的雜質,以達到高準確性。 2.利用YOLOv4達到即時辨識精子,再利用DeepSORT演算法給予影像中的精子定位並追蹤其移動軌跡。 3.計算每隻精子在同一段時間內其移動距離與擺動角度等資訊。 4.設計模糊推論系統來推論精子的等級,並將其分為四級,以利我們篩選出最優質之精子。 5.利用輕量型網路架構MobileNetV2對精子進行外觀分類。 四、預期成果: 1.提出一套智慧型精子篩選系統。 2.可精準的篩選出外觀正常且活動力高的最優質精子。 3.每隻精子可在4至5秒內完成分級。 4.利用模糊推論系統將精子完成分級,並分成a、b、c、d四個等級。 5.本系統經調整後,可在不同倍率之顯微鏡下完成分析。 系統完成辨識後,將所分析之精子詳細資訊上傳至Cloud Firestore資料庫。

第二名

漏水潛勢智慧系統

Focus


台灣於管線破漏頻率高,而國內目前對於管線破漏的搜尋方式大多尚為採用小區管理搭配水壓控制,或是以聽音方式等其他主動漏水控制方法,以尋找管網中的破漏位置,但此舉常需耗費大量人力及時間進行,若能先行縮小漏水範圍再進行巡邏檢修,將得以節省各項成本。 目前人工智慧成效最好之應用為分類輸出,例如,影像辨識等等。但目前許多預測水資源相關之類神經網路之應用多為回歸輸出,而管線破漏潛勢等級不需以回歸輸出之方式,即可用分類輸出將管線風險分級,更能符合現在之務實應用,也為本系統之創新。 本作品提出漏水潛勢智慧系統,是以主動漏水控制之模式模擬方式,並以類神經網路為預測之方式,利用歷史破漏資料預測管線漏水潛勢,將此預測模型開發為應用程式,並在行動裝置上運行,以便巡檢人員快速獲得正確資訊。 以台灣自來水公司工程師為使用者為例,使用者可依所屬區處選擇,管理管線破漏資料庫,篩選破漏資料之特徵,例如:管材、管徑與管長等。選取定義之資料範圍,工程師即可透過本系統所提供的視覺化功能將地理資訊視覺化呈現,透過系統內部類神經網路之分析,預測目前現有管線之風險等級,可以做為評估預算巡檢漏水之依據,為管線檢漏工程師取得該區處管線破漏潛勢的資訊。

愛臥

EyeWall


本團隊研發基於深度學習邊緣運算技術之「離床預警暨床邊跌倒報知系統」,其系統架構包含人工智慧影像感測器,稱為「EyeWall」、推播離床預警和床邊跌倒事件的雲端伺服器、事件通報APP以及床邊事件資訊平台。 本系統亦根據醫院高齡病房照護之臨床需求,開發對應之兩階段式離床預警與床邊跌倒報知功能。針對離床預警將設計兩階段預警,第一次預警為病人起身坐起時,第二次預警為病人已坐床緣但仍無人給予協助時。且為避免誤報動作(False Alarm),系統亦將需判斷(1)病人是否處於單獨狀態,且(2)是否為臥床→起身坐起→坐床緣(兩腳懸空下垂) 之連續動作,才啟動離床預警。 針對高跌倒風險之高齡病患,本團隊與醫院AI大數據中心、護理部團隊合作,並已申請到醫院IRB研究核准將應用於醫院之高齡病房,經上所述本團隊研發「離床預警暨床邊跌倒報知系統」,系統架構包含AI影像感測器稱為「EyeWall」、推播離床預警和床邊跌倒事件的雲端伺服器、資訊平台及通報APP。 本系統透過即時影像,以邊緣運算深度學習技術於嵌入式系統中直接辨識老人是否離床或床邊跌倒。本團隊採用Openpose做為姿態識別模組,辨識影像中高齡病患的身體部位建構出人體骨架,將辨識出的骨架以軀幹辨識演算法和RNN-LSTM 模組對姿態分類,辨識出4種姿態包含:臥床、起身坐起、坐床緣、床邊跌倒。

第三名

深度學習在手機上掌靜脈辨識系統

給我看看你的手


使用深度學習在手機中運行手掌靜脈識別應用程式,會先要求用戶註冊手掌圖像,並使用手機閃光燈相機來擷取更清晰的手掌靜脈圖像,系統使用卷積神經網路模型來與註冊圖像進行比對識別,註冊完成後,可以直接使用手掌靜脈來登入系統,登入系統後得以開啟家中門鎖或是使用者想要開啟的裝置,可以藉由遠端的控制(使用WiFi)也可以使用近端的藍芽(BLE)介面來控制裝置。在手掌靜脈識別時,可以在自然光以及光線較弱的區域運行,並且具有高精度以及方便性。可以將其應用在往後的生活中,得以取代接觸式生物辨識特徵,例如手指紋及手掌紋等等,在這疫情期間,可以大大的避免接觸的機會。另外,這個系統同時能夠在IOS系統(IPhone8+)以及Android系統(HTC One A9)中正常運作,在執行速度的部分是取決於手機硬體的速度,例如在IPhone8+手機上運行,在FPS的表現上,可以達到40~60FPS。在False Accepted Rate(FAR)(錯誤接收率)趨近於零,Equal Error Rate(EER) ~ 1.5%,False Rejected Rate(FRR) ~ 10%,當FAR=0%的時候。在硬體方面,我們使用ESP8266的開發版,連上網路並存取資料庫即時更新目前裝置的狀態,來開啟或關閉相對應的裝置,也同時使用MLT-BT05的BLE低功耗藍芽模組,對手機進行連線,當控制板透過藍芽收到開啟裝置的訊號後,開啟相對應的裝置。所以我們這個系統擁有方便安裝的特性以及低成本的特性,同時也有相當高的準確率。

多感測融和之智能運動量測與分析

一拍即合


  本創作目的即為建立一套多感測融和之智能運動量測系統,並應用在桌球的運動科學的。除了選手揮拍姿勢的量測與分析的系統建置外,如何了解桌球在球拍上的撞擊力大小為本研究分析的重點之一。而撞擊力量及擊球點位置經常為影響競技桌球正手及反手速度之重要因素。   為了量測擊球的力量與撞擊點,本創作採用薄膜壓力感測器。透過薄膜壓力感測器的後端類比電路的設計與不斷地調整測試,並將類比訊號放大至適當的應力變化的範圍後,即可量測到每一顆桌球對球拍上的薄膜壓力感測器的變化量。另外,為了偵測並取得每一次選手揮拍的加速度與角速度的時域與頻域資料,採用了 6 軸感測器(3 軸加速度與 3 軸角速度)。前者具備 8 通道感測區域的壓力感測器放置於木板與膠皮中間的夾層中,而前者的 6 軸感測器則嵌入到球拍的握把中。透過這兩種感測器的融合,可以實現精準運動科技與物聯網的應用場域。   此外,為了縮小整個電路模組的重量,本研究將採用具備 2.4G RF 功能的低功耗Cortex-M0 MCU,以實現無線傳輸的量測目的。其中,除了可提高傳輸的速度外,並可降低整體的功率消耗,以延伸整體系統的使用時間與操作的便利性。   在此,初步使用 R 語言所設計的決策樹來初步分析,與協助找出選手擊球的類型與模式,並分析選手在執行連續正手及反手技術撞擊力量的效率。此階段需使用薄膜壓力感測器量測球拍上接收到的力道資料,並加以回傳至 PC 主機,並利用機器學習技術來分析選手的擊球力道的資料,以及執行連續擊球之撞擊力量與效率分析。   因此,本創作完成不同技術層級選手的擊球力道與擊球點分析與比較,並運用兩種感測器(姿勢與壓力感測器) 實現多感測融和之智能運動量測系統,並整合機器學習找出選手擊球的相關深度分析資訊。最後,透過此創作可以實現桌球或其他球類選手特質的分析工具,找出爆發力強、穩定性高以及具備基本動作札實的明日之星的選手。

AI醫療語音辨識技術

革蘭氏陽性菌


在科技發達的現代,語音辨識技術已經成為人們生活中不可或缺的一部份,例如: 手機語音輸入、語音助理(siri、google助理)以及語音控制等。以上這些辨識技術的內容大多是以日常情境與對話的語音進行辨識,因此面對不同領域的情境將無法有很好的辨識效果,以醫療領域來看,在醫院裡護理師的交班工作複雜且要紀錄的內容很多,如果能有相關的語音輔助系統來幫助她們,不僅降低護理人員的壓力,也可以提升效率。 醫院病歷通常包含很多中英文的專有名詞,因此使用一般的語音辨識系統,例如:Google語音辨識,辨識效果都不盡理想,無法直接利用實際運用在醫療場域。本作品針對醫療語音之特定情境(護理人員交班),發展醫療專業情境下對談語句之逐字辨識技術。護理交班醫療語音的特殊性為筆記式精要陳述句型、專業術語詞彙以及中英文混雜,因此無法使用目前現成的資料庫進行訓練,必須透過所蒐集護理師教單錄音檔並進行人工標註,組成中英文醫療語音資料來進行模型訓練。而在模型的部分選用Deep Speech 2,這個模型在中英文語音辨識的任務取得不錯的效能,因此本作品在原網路的骨幹架構上進行修改,讓深度模型在訓練上能更擬合醫療語音資料庫,修改並訓練後,其中對於特殊的醫療詞彙、句型和中英文交雜內容都有顯著的辨識效果。

空中熱點服務–災區通訊快速復原

WangWang來


台灣地處環太平洋地震帶,每年發生地震次數頻繁,造成許多建物坍塌與停電等嚴重災害。然而,地面通訊基地台設施的損毀,導致受災地區難以與外界通訊求助,救難人員無法快速掌握災區損毀情況而耽誤黃金72小時救援時間。因此,如何於災害地區快速建立臨時通訊網路變得至關重要。 本團隊提出一套無人機空中熱點服務概念,能在災後快速部署於車輛難以到達之救災地區,提供受困者與救難人員穩定的通訊網路覆蓋。在救災過程中,救援隊需要穩健的通訊頻道來廣播信息使整體救援任務更有效率。我們開發一套三維通訊地圖與可視化技術,能快速偵測無人機空中熱點對於災區當前之通訊覆蓋狀況,作為無人機空中熱點飛行位置與通訊網路覆蓋的參考依據。 5G應用開發,具有高頻寬、多連結及低延遲等特性,可支持多元智慧物聯網服務。本團隊之3D無線電通訊服務地圖可視化技術在當前5G與未來6G異質網路以及AI垂直應用整合整合皆具有龐大的潛力,不僅能突破4G網路框架轉為用戶導向提升使用者體驗,也能為AI應用服務帶來大幅度的成長。如何將5G技術導入防災救災系統,強化相關軟硬體設施與功能,為一重要的議題。 目前各大電信業者積極導入5G通訊、無人載具及AI人工智慧等技術,達到地面、空中三維度立體空間救災機制,提供更快速、更彈性之通訊網路架構,加速救災速度與擴大搜救範圍。本團隊正在與多家國際化或具國際企圖心之業界廠商密切洽談計畫合作,以AI大數據與5G無人機應用為主題,並整合無人機邊緣運算平台,進行無線電大數據與3D影像融合技術,實現3D無線電地圖重建,以達到市場預期之成效。

佳 作

行動裝置AI人數快速計算App

Pony

我們平日在遊樂園、博物館、或搭乘交通船等等場合,常常因為需要個別清點實際在場人數,耗費較長時間的等候,也時常造成大排長龍的情形;或者導遊領隊每次在集合團員的時候,都要清點人數,如此反覆的人數計算,可以透過人工智慧的相關技術來克服。為了改善人工點名的不方便性,我們團隊設計了一款實用的系統:「行動裝置AI快速人數計算App」,不但可以快速有效的計算人數,還可以改變傳統以手壓式計數器,或人工計數的缺點。因應現今新冠肺炎病毒疫情的擴張,如果有旅行團、校外教學活動等等,即可利用本系統的App來快速清點人數,避免人群聚集,造成群聚感染的風險,也可以採用本系統於實際環境中的大量人數計算的相關應用。 在現今的市場中,最廣為使用的人數計算方式為人工清點以及按鈕計數器,其方法是最直接能得到現場總人數的方式,但是透過人工清點的方法,會造成計算的速度過於緩慢,且人工的方法可能會因為工作人員的生理狀況不佳、某些人位置走動、或者其他因素而導致疏漏,導致人數計算錯誤的狀況。這些人為清點人數錯誤的問題我們選擇透過AI人工智慧的技術幫助,達到快速與精確的計算人數,減少工作人員配置和快速疏散人潮等目的。本系統不僅可以改善人工計算人數的重覆性與清點錯誤的缺點,且系統只需配置含有攝像頭的平板電腦,即可使用本系統的App,極具便利性與實用性。 本系統先拍攝清點人數的照片,然後利用Viola Jones演算法將類似人臉的部分進行切割,然後利用卷積神經網路(Convolutional Neural Networks, CNN)進行人臉圖像確認,提高人臉辨識正確率,進而提高人數計算的正確性。本系統使用深度學習神經網路學習訓練圖像的人物五官特徵,每個人的五官特徵雖然稍微有不同,但皆有眼睛、鼻子、嘴巴等特徵,所以在整體特徵上,是非常清楚且具有一致性。只要透過比對出圖片中那些部分符合人臉特徵,並且把符合的部分標示並計算出數量,就可以將臉部辨識結果使用於計算人數,而且將臉部辨識結果透過深度學習神經網路辨認與確認,相較於其他的演算法或傳統的人工方法,不僅快速,而且可以有效提升清點人數的正確率。

創新無線電波轉電神奇之旅

超電隊

本作品是一項跨領域的整合,它含蓋了三種不同技術與裝置的結合,其中之一是使用無線電波發電板將無線電波轉成再生電力的創新技術,它成功地實現將電波的2個主要特徵:振動頻率與振幅大小,轉變成電力的2個主要特徵:電壓與電流,我們在實驗中使用磁控管作為微波發射器的主要部分,而微波接收器的部分是利用八木微帶天線來接收微波,經由阻抗匹配電路及倍壓整流濾波電路來產生直流電,而我們也剛獲得國家發明專利的肯定;其二是具有很完整功能的電池管理系統(BMS)技術,它除了可以量測各項電池資訊(電壓、電流、溫度、殘餘電量)外,更具有主動式充放電平衡、電池保護裝置、故障自動回報、及儲能電池可擴充,我們也自行開發APP軟體程式,使用微處理器(MCU Arduino Due)透過藍芽及網際網路雙重管道來達到BMS之遠端監控;其三是具有中繼站感應線圈之無線電力傳輸技術,該技術成功地讓平面式或直立式中繼站感應線圈都能有效改善無線傳輸距離與傳輸效率。 本作品的未來應用範圍極廣,包括:天線製作產業、電訊產業、無線充電裝置產業、電子行動裝置產業、遠端監控裝置產業、以及儲能電池產業等。而我們目前構想的場景有兩種:(1)直接使用無線電波發電板作為可攜式無線充電裝置,它基本上是將無線電波發電板所產生電力,直接透過一階段升壓與儲能對低耗電裝置如LED(啟動電壓約1.6~2.1V、電流約數A)供電以及透過二階段升壓與儲能對較高耗電裝置(如手機,電壓>4.15V、電流>1.6mA)供電。(2)使用無線電波發電板、電池管理系統、以及中繼站感應線圈之無線電力傳輸等三項裝置的技術結合,此時我們可以像太陽電池模組那樣,在5G small cell小型基地台發射接收得到的範圍,鋪設大量的無線電波發電板,或設計成多頻段多疊層的無線電波發電板,就可以產出更多的波轉電來使用。緊接著,透過完整功能的電池管理系統(BMS)的高效率儲能,最後再透過中繼站感應線圈之無線電力傳輸將所儲存電力供電給應用端。

面面俱到

壓力山大

呼吸面罩是重症患者、長期臥病在床的老人、無法自行呼吸的患者等人賴以為生的重要工具,因為他們無法靠自己呼吸,因此必須仰賴呼吸器及面罩來維生。但呼吸面罩還是有缺點存在,為了確保面罩的正常工作,使得面罩必須要有一定程度的鬆緊,但這反而讓長期配戴面罩的患者,衍生出了其他問題,例如臉部容易出現壓瘡、兩頰凹陷等症狀。論文中提到造成壓瘡的閥值約為80g/cm^2,因此我們想讓醫護人員在幫患者佩戴面罩時,能得知現在患者皮膚上的壓力,盡可能減少褥瘡的風險。若病人出現壓瘡,不但增加身體的病痛、提高醫療花費、甚至還可能導致感染等,因此如何預防壓瘡是臨床中重要的照護議題。為了減少褥瘡的風險,我們在作品面罩上加上壓力感測器,再藉由人機介面,使得護理人員在幫患者配戴面罩時,能更加瞭解患者臉部壓力大小,進而降低患者出現壓瘡、凹陷等不適的情況。我們也再與護理師討論後,加上溫溼度感測器,因為溫濕度也是影響壓瘡的因素之一。在人機介面中,我們藉由指示燈顏色的變化,壓力從小到大分別為綠、黃、橙、紅,一目了然了解各部位即時的情況。又我們也可以藉由圖表看到一定時間內的壓力變化圖,有了這個介面,就能更了解病患的感受,也能調整到舒適的狀態。程式是在MPLAB X IDE環境下撰寫,人機介面則是用Labwindows設計。

艾格寧斯-你的AI朋友

FriendinAI

時至今日,即將邁入更為繁忙快速的工業4.0時代,人們面對更大的生活壓力,常藉由使用社群軟體進行社交,在網路上交友抒發,然而現今網路交友詐騙的猖獗,導致許多的有心經由網路交朋友的使用者擔心受騙,因此我們開發出擁有形象、聲音的虛擬夥伴「AGENEIS」。 「AGENEIS」希望成為使用者抒發情緒的管道,不僅提供文字交流,而是結合「影像、音訊、文字」的虛擬夥伴,模擬真人對話互動的情境,並著重於「夥伴」的概念,給予使用者一個抒發的管道,並且可依據使用者需求所創造符合的臉型,讓用戶能擁有如和真人聊天的體驗。 就目前市場上常用的聊天機器人多以文字呈現方式進行對談,我們的「AGENEIS」增加具有配合個人需求產出的容貌,對談時不僅可以用最自然的方式呈現,更模擬回覆對話內容的唇型及人性化的語音/影音回覆模式,對於使用者體驗上多了一種宛如真實與人面對面交談的感覺。 「AGENEIS」的核心服務基於 Lipgan 與 Stylegan2 兩種對抗式神經網路模型,產生獨特虛擬夥伴;並結合 Azure-TTS 服務,與 Tuling-chat 打造智慧聊天、語音回覆系統;各項服務皆使用 Docker 進行部署,使服務的替換與擴充穩定且便利,並且運用業務劃分的設計概念進行實作,每個微服務都是獨立的執行個體。 在每次的文字聊天中,使用者能夠透過 「AGENEIS」的服務串聯,在收到 Tuling-chat 回覆的同時,聽見 Azure-TTS 所運算出的語音,與 Lipgan 產出的虛擬影像。以「文字、語音、影像」的對話模式,達到系統目的。

跨域整合特別獎

以嵌入式為基礎木材智慧感測器

視木以待


『木材』改善了人類的生活品質,甚至可以說因為有了木材,人們才有了安全的避風港,從而有餘力做其他事,進而推進歷史。 台灣充滿著美麗且豐富的樹種,但是根據農委會統計,台灣木材自給率卻不到1%,但是每年卻有150萬噸廢棄木材,從國外進口的木材會面臨乾燥的課題,也是木材前置處理的重要環節。來自外地的木材,因各地濕度不同的問題將使得木材膨脹亦或是收縮,進而導致家具或是木製品在進口後龜裂亦或是塗層浮泡。而商家常因為檢查儀器、人力的成本過高問題所苦惱,畢竟並非任何人都可以辨認不同樹種,因為每種木材都有不同的特性,導致濕度測量更加的困難。 於是我們開始思考,要如何實現自動化的測量,如果將人可能造成的錯誤判斷都交給智慧辨識,並且透過低成本的硬體系統去處理,是不是就可以達成『低成本』並且『減少大量的損失』,如此一來,既能解決林業及建築等木材相關產業的問題也能達到永續發展的目標。 木材需求與日俱增,世界自然基金會WWF更指出2050年,木材需求將增加兩倍,各種有效率的伐木機如潮水般湧出,但是測量時的誤判卻造成了大量的損失,更甚至導致地球的環保危機,許多廠商卻因為利益而忽略木材的耗損,所以如何在自動化及環保意識抬頭的今日有效率的將兩者結合,就是我們所研究的方向。 目前發展中的各式量測儀器中,無論是哪一款都有一個很重要的前提,就是需要具備專業的知識以調整不同模式進行測量,但是這也造成了一般人使用的不便利,所以本專題的研究宗旨是如何「自動」、「有效率」、「方便」的測量。 本作品『以嵌入式系統為基礎之木材智慧感測器』欲發展之系統不僅可以改善現今感測器在某些條件下的使用限制,也可以與主流的感測器進行無縫配合,未來也可以運用在更多不同的木頭種類的測量技術上。現階段我們可以透過數據測量及分析取得木材的水分、電壓、電阻的相關係數及不同木種的關係,再利用數據統計進行相關公式的建構,並使用影像深度學習來分辨不同的木種並且進行不同運算公式的選擇,並藉由影像辨識索取得數據並且搭配上四線式電壓量測及ADC後的數位訊號進行運算,最後便可以得出不同木種的溼度、電壓及總電阻,相信本專題可以提升未來的木材濕度的測量準確性,並且可以有效率的避免人為判斷錯誤導致的相關損失。