成果展示

智慧十字路口

轉守為攻

根據觀察發現，在臺灣發生的多數交通事故地點皆為十字路口，肇事原因多為違規跨線、違規左右轉與逆向行駛等交通違規導致。 我們製作了一套智慧十字路口系統，針對各路口現有的監控畫面進行辨識，無須額外的鏡頭安裝成本，即可偵測路口上的交通違規與車流狀況。將各路口所蒐集的交通資訊進行統整後，透過統計介面，我們可以(1)利用表格呈現各路口於每日各時段的交通違規與車流狀況;(2)繪製統計圖表;(3)對不同路口進行排名統計，幫助相關人員能夠快速評估重點路口，擬定合適的改善措施，降低交通事故的發生。 本系統基於深度學習方法，我們透過物件辨識技術偵測監控畫面中出現的車輛之位置與類別，並透過多物件追蹤技術對車輛辨識的結果進行分析，對相同車輛進行追蹤。在交通部所提供的淡海新市鎮試驗場域之CCTV影像資料中，我們的系統能夠(1)適用於數十個不同路口的場景，並適用於全時間全天候;(2)同時進行多物件的追蹤，且車種分類精細至七種：小客車、巴士、摩托車、小卡車、大卡車、半聯結車與全聯結車;(3)活用繪製遮罩的方式，將物件辨識與多物件追蹤的結果整合，提供了五大功能 : 車流計數、禁行車種判斷、逆向行駛判斷、違規跨線判斷與違規左右轉判斷;(4)視覺化整合後的資訊，提供方便操作的使用者介面;(5)擁有高達95% 以上的辨識準確率。

結合AI之互動式舌肌訓練裝置

TOYS

台灣人口逐漸高齡化，專家指出年長者經常造成咀嚼、吞嚥功能退化問題發生吞嚥障礙的原因有很多，往往是因為疾病或漸漸老化使得肌肉無力而造成，肌肉力量不足，吞嚥速度會變慢，味覺、嗅覺也會變遲鈍。如若不及早訓練，會導致吞嚥能力退化，造成誤吸，讓原本該送進食道的食物或飲料，跑到氣管或肺部，造成吸入性肺炎等問題。不僅造成病患與照顧者沉重的負擔，也嚴重影響生活品質，研究顯示可以透過訓練改善中樞神經系統的肌肉並增加肌肉質量，提早推動舌肌運動，對於年長者來說，將能夠有效的減輕咀嚼等吞嚥困難之症狀，也能預防日後患病及減少相對應照護的社會成本。隨著現代科技的進步，除了改變網路的發展以及社會文化，也可以應用於醫療方面的輔助。因此本作品設計一款運用嵌入式系統的技術設計夾娃娃機的互動遊戲，針對訓練舌肌的年長者所設計的輔具，讓年長者在訓練舌肌力量時，利用影像辨識判斷出舌尖指向的方位，來控制夾娃娃機的移動軌跡，並結合類神經網路深度學習完成邊緣運算之需求，達到訓練過程像是在玩遊戲一樣，提高患者舌肌訓練的意願度。而此作品與現下最夯的夾娃娃機結合，讓訓練的過程變得更好玩，遊戲的內容簡單、淺顯易懂，對於年長者來說，遊戲好上手且不會過於繁複，較能引起年長者的興趣。利用科技將乏味的舌肌訓練加入與遊戲互動的元素，讓訓練的同時也能享受玩遊戲的趣味，持續性的訓練過程使患者漸漸康復，希望透過此作品推廣舌肌訓練的重要性。

智慧化水下箱網監控系統

AI-洗網君

在離岸養殖中，需要去注意到箱網的狀況，多數時候是由潛水員進行觀測，這需要耗費相當的人力成本且也較為危險，若需要清洗箱網實則會啟動洗網機，這時候需要有相當經驗的人員進行操作並觀察清洗的程度。本作品運用深度學習進行箱網的海草偵測與破網預測。本作品主要分為硬體方面與軟體方面，硬體方面為影像串流設備，使用影像擷取設備於洗網機與監控螢幕中間架設此設備，將影像輸出並擷取畫面，以利對網袋影像處理，並透過本作品的兩大軟體演算法進行分析。軟體部分將分為洗網演算法與預測破網演算法，洗網演算法利用水下攝影機蒐集清晰水下海草影片進行標註，並使用Fast-SCNN演算法偵測網袋上海草，藉由海草的密度進行洗網偵測演算法；破網預測演算法，首先進行網袋變形模擬，以利了解網袋變行模式，並對其形變進行應力分析，根據楊氏係數定理，可對材質的特性進行應力分析，由於水下攝影無法進行固定，加上網袋隨水流晃動，在進行分析時會出現高誤差值，因此需先找到前一秒與後一秒畫面中都有出現區域，將其割分出來，利用割分區域中的網目面積，再進行比較，並使用楊氏係數定理算出其受力進行破網預測演算法。藉由本作品可以有效的幫助養殖業者進行箱網的清洗偵測與破網預測。

智在交通

Pony

根據內政部統計通報，違反闖紅燈及其他不遵守號誌通報件數在 105 年 83 萬 2010 件、 106年96萬5922件、107年71 萬4170件、108年147萬5138件、109年172萬161 件，近五年間，平均闖紅燈的違規件數約為 114 萬 1480 件，多數人闖紅燈的原因多為 交通燈號配置的秒數不符合該路口的車流量，無車的路口綠燈秒數過長，導致駕駛人容 易有闖紅燈的念頭產生，交通事故原因為闖紅燈之致死率幾乎為未闖紅燈的兩倍，嚴重 危害到國民安全。 針對交通號誌秒數控制的問題，本團隊研發一項「AI 紅綠燈」，解決紅綠燈秒數控制 不當的問題。許多交通號誌不管車流量的多寡，皆是以固定的秒數來疏通車流，但此方 法並不隨著即時車多車少的狀況去調整綠燈時間，傳統的方法是派遣交通警察至各路 口，利用人工的方式去手動切換紅綠燈號誌，協助疏導交通，此方法會使警察身處車流 量大的路口，如駕駛人未看清楚前方情況，則會危害到警察的人身安全，且眾多的路口 皆須有警察待命，使警力大多分散在路口，如突有緊急情況發生，會延誤警力機動服務 的速度，因此我們團隊應用 AI 技術協助改善此問題。 另一項系統為「校園停車通」，尋找停車位，對於一個習慣開車外出的人來說，也是一個很重要且棘手的問題，常常會有到了指定地點，卻找不到停車位的狀況，除了讓駕駛人感到不方便之外，也可能會出現違規停車的現象，影響他人。在上學巔峰時段，即使校園內有多個停車場，也會因為不確定是否有停車位而貪圖一時方便，不得已而違規 停車。目前多所學校的學生因為疫情的關係，為了避免搭乘大眾運輸工具造成感染風險， 導致開車人數大幅增加，校園內常常見到違規停車的情事發生，如何有效提供停車位資 訊給車輛駕駛而言極為重要，因此我們團隊透過網路攝影機結合 AI 影像辨識技術，讓 車輛駕駛人利用瀏覽器查看校園地圖並顯示每個停車場的剩餘車位，幫助使用者快速找 到適合的停車位，減少使用者尋找車位的時間以及降低違規停車的事件發生。

CNN對咬翼片進行病症判斷標記

電到不行

「我不想去看牙醫」，一句蛀牙時最常對家長講的一句話，顯示了孩童對於看牙醫的恐懼感，但到了青壯年甚至是中老年還是會因為現代社會的生活步調，不免在口腔衛生及牙齒照顧有所缺失，而導致會有蛀牙、牙周病等等的疾病產生，讓我們需要去醫院診所進行診療，但牙醫診所提供之服務相較於其他醫療體系較為不同，不像一般內科大部分只需要問診後開藥就能完成治療，即使是一般牙科疾病治療都可能需要花費較多的時間，造成病患等待時間提高，所以病徵判斷所花費的時間在這之中扮演了相當關鍵的角色，假使我們能在醫生能在拍攝完咬翼片後先行判斷好病徵，便能變相減少病患及醫生的時間成本，以達到大幅提升醫院之看病效率的目的。 有鑑於上述所提，本作品與林口長庚醫院的三位牙醫師合作，透過醫院提供之咬翼片樣本及其相關資源，共同開發電子、醫學之跨領域合作。此合作計畫將使用類神經網絡-CNN開發出一套自動辨識的程式，縮減牙醫師的判斷時間，同時具有和人工判斷同樣的準確率。在計畫執行上，我們首先需要透過MATLAB程式撰寫，將醫院提供之咬翼片樣本進行處理，先將影像透過濾波器過濾後，處理成黑白的二值化影像，以方便我們利用程式判斷裁切影像的標準，將擁有多個牙齒的咬翼片影像，裁切為單顆牙齒的樣本，上述的步驟都是為了建立在後續的深度學習中訓練時最為重要的DATA BASE，之後便是將其導入我們所設計的模型，經過模型學習後，與醫院提供之數據相對比，探討自動辨識的準確率。 本作品研發成果希望實際應用於現代醫院中，將繁瑣且耗時的判斷程序交由電腦自動進行，改善現在牙醫容易排隊的現況，讓病患能夠減少預約排隊的時間，也讓牙醫生能獲得更多時間專心治療病患的症狀，達到雙贏的結果，我們也希望此作品對於擁有「醫療王國」稱號的台灣，盡上我們作為大學生的一份心力。

自動化癌症化療藥物調配系統

三個傻瓜們

本研究主要利用控制機械手臂，並整合深度學習以及影像辨識系統的應用，降低醫護人員長期暴露在高風險的工作環境中，本專題主要可分為兩大部分: 1. 基於大數據分析之處方箋檢測系統及、2. 癌症化療用藥自動調配系統。其中當醫師開立處方後，會經過DNN神經網路進行分析，癌症處方用藥資料庫，該資料庫使用18個醫生最常參考的特徵進行模型的訓練，根據該資料庫來進行醫師所開立之化療藥物及其劑量的檢核，以避免處方箋開錯藥品或者劑量錯誤之問題。 當檢核完畢後，會將其各藥品及其劑量資料傳至自動化調配系統。該自動化化療用藥配藥系統主要是利用影像辨識搭配三菱專業級六軸機械手臂，先利用手臂上方的攝像頭確認藥品的位置，透過機械手臂夾取及置放所需藥物及針筒至輔助夾具上，步進馬達會驅動皮帶將上方的藥瓶插入針筒，並執行抽取藥物的動作，每抽取完一種藥物時，在輔助夾具上的攝像頭會經過伺服機的驅動彈開並且進行照相，以確認藥物的劑量是否抽取正確，最後將藥物注射至點滴藥袋當中，來完成自動調配的步驟。 癌症化療用藥自動調配系統之主要動作是透過CR2D控制器來進行手臂之控制命令設計與座標定位；輔助夾具是由Arduino Nano來做核心，其主要是用於藥罐及針筒夾具之控制以及提供PWM訊號控制步進馬達上下牽引針筒夾具來插入及拔出藥瓶，以及紅外線感測器之讀取。

應用智能無人載具監測風機葉片

飛鷹隊

近10年來因極端氣候發生的頻率愈來愈高，容易產生各種危害其功能或失效的情況，進而導致風力發電機的各元件損壞機率也隨之提升。目前採用人員在現場進行攀爬來檢測風機結構(如葉片、塔架)的方式著實不易，不單花費高，檢測人員亦有安全上的疑慮。為了避免風機發生突然的失效以致影響正常發電，需對此進行定期或不定期的檢測，並識別構件損傷或材料老化的狀況。因此，本創作應用智能無人機來檢測風機構件的健康狀況，並且使用Arduino模板進行遠端多功能控制，將所拍攝之風機葉片影像即時回傳至電腦並配合影像辨識處理分析葉片之受損程度，使其達到永續的發展。其中人機互動模式包含了以下5點：1.超音波測距，距離過近即發出警報聲，可有效提升檢測安全性，降低碰撞的風險。2.利用LED照明燈打光，可將葉片表面缺陷顯示較為清楚，增加影像辨識的準確度。3.使用Blynk介面控制相機視角，更加貼近使用者操控方便性。4.藉由Ngrok程式編譯，即可達到內網通外網之功效，並將資料傳送到世界各地，對於分析葉片受損更加方便和實用性。5.透過無人機之收音裝置，即時評判現場狀況為何，使其更具有真實操控性，並分析飛行時是否有無異音或爆音產生，適時進行修護。綜合以上要點，即可確實完成一整系列監測葉片的流程。其無人機直徑1.2公尺，可載重60公斤以上，在盤旋/懸停時拍攝在特定位置的損傷時，較不易受風流的影響而產生漂移，增加了風機健康監測的靈活性和方便性。

跟著我一起做

要活就要動

一、研究目的傳統復健往往需要復健師在旁指導，以自身經驗判定患者動作是否正確，然而現有的復健系統有以下三個痛點：(1)無法得知使用者在家是否有在復健或運動。(2) 每天復健或運動多久？(3)每次動作成效如何量化分析、長期記錄及追蹤？為了減輕復健師的工作負擔，本作品提出一套量化評估復健成效的系統來輔助復健，系統由「人型機器人復健動作示範系統」與「AI人體骨架追蹤系統」所組成。本系統具有以下特色：(1)透過人型機器人的示範，彌補示範影片無法清楚表達立體角度的問題，讓患者可以更容易地跟隨與重複練習復健運動的動作流程，以提升復健成效。(2)在人型機器人頭部安裝攝影機，如同復健師眼睛一樣，用於捕捉患者的人體骨架資訊，並將偵測出的骨架資訊與復健師的標準動作進行比較，計算其相似程度。(3)最後，對每次的復健運動給出評分，協助了解復健的有效性，以減少無效的復健動作，提高整體復健成效。二、研究方法本作品植基於人工智慧和電腦視覺技術提出一套「智慧型復健評估系統」，由「失能礙一生，復能一百分」為發想，並以動態時間校正與骨架校正的技術，設計一套成效評估方法。本作品參考臨床職能治療師針對巴金森氏症患者之LSVT-BIG復健運動來測試模型，再利用所設計之成效評估方法，在患者復健後將其復健過程量化，使患者與治療師能快速了解復健運動是否有效，並有效達成失能復能。三、具體作法分為下列幾個階段：1.利用3D列印技術，設計一款人型機器人來協助患者學習復健動作流程。2.將LSVT-BIG增加到資料集中，訓練OpenPose骨架辨識模型以提高復健場景下的準確率。3.利用輕量化OpenPose偵測人體骨架，以較快的速度追蹤患者之復健動作。 4.與復健師標準動作影片比對，透過DTW動態調整速度，再利用縮放平移將骨架校正至同一基準，計算其相似度並給予患者復健分數。5.將歷史分數上傳至雲端儲存，並繪製成折線圖顯示於網頁。四、預期成果： 1.提出一套智慧型復健評估系統。2.利用人型機器人示範動作，讓患者能更了解復健動作的角度與流程。3.本系統經模型訓練後可有效追蹤復健時的骨架。4.透過本系統之成效評估方法，量化出復健成效，可有效幫助評斷失能復能的進程。5.系統計算完後，將患者的復健分數上傳至雲端，供復健師長期記錄與追蹤。

電力配電盤之智慧檢測系統

綠能智慧家

國內外相關研究，國內針對配電盤相關故障診斷之文獻並不多，不過在其它高壓設備的故障診斷方面已有部分研究，主要集中在比流器、變壓器、電力電纜、氣體絕緣開關(Gas Insulation Switch, GIS)、高壓馬達及筆者所發表之電力電容等，大部分研究都集中在發展故障診斷系統，利用不同感測器擷取特徵訊號，經訊號處理後利用人工智慧方法診斷或辨識，但結合物聯網及故障診斷在先進配電盤之相關研發仍然相當欠缺。國外部份，日本對配電設備應用雲端監控技術的發展較快，逐步發展成一套成熟之標準型監測技術，其特徵擷取方式有溫度特性、局部放電、絕緣程度及絕緣油溶解氣體分析等方式。因此，本作品提出以利用紅外線熱影像模組，針對配電盤常見之故障區域進行全時溫度監控，並導入電暈弧光感測器監測因絕緣破壞所造成的局部放電現象檢測，且擬定自動報警及防災策略，以保證配電盤於長期運轉下能夠安全無虞。本作品導入紅外線熱影像，針對於配電盤內之附屬連接元件，進行異常狀態進行全時監測。最後，將收集感測器訊號及紅外線影像後，可透過Ethernet TCP/IP無線網路單元傳輸至遠端監控系統，LabVIEW結合手機App，若有異常狀況發生也能透過手機即時得知現場狀況，進行保護措施，維修人員也能盡早前往維修。此系統開發完成將能帶來不錯的效益，能有效管理配電盤運作狀態，更縮短維修人員到場維修時間，提高維修效率，進而增加市場需求。

智慧腳踏車尋車燈

介意重啟

發現問題 在校園內，師生常會騎乘腳踏車，作為主要移動方式。每到上下課期間，腳踏車停放區總是停滿車輛，然而腳踏車車身細窄，且停放時往往過於隨興，以至於車主們忘記自己車輛位置，需要時不易找尋。 功能說明 Licht智慧腳踏車尋車燈，可裝設於自行車龍頭，利用網路以手機進行控制，在尋找車輛時，閃爍燈光並發出樂音，提醒車主車輛位置，快速找到自己的愛車。 平時可作為夜晚騎行燈使用，透過感測器偵測環境亮度、濕度與騎乘時的震動，於夜晚騎乘時，自動亮起車燈，做為夜間照明，並於霧氣重時，改亮黃燈，提升可識性。 利用校園內無線網路，與手機進行連線，讓尋找範圍不受距離限制，只要在學校裡都能夠連上裝置，搜尋範圍更廣大。 目標族群 Licht可裝設於不同之腳踏車車型，無論是校園內師生或單車愛好者，都可以進行使用。 模型使用Webduino Smart軟件開發，進行功能模擬，後續可整合燈光、感應與控制組件，進行產品的設計，將各構造合併於車燈上，減少產品體積。 創新特點 定位技術常使用於電子產品與機車上，校園內騎行之自行車鮮少使用，然而自行車車身細窄、停放區車輛密集，學生不易找尋，Licht使用wifi連線，能使用手機控制，在停放區快速找到自己的車輛，並作為智能車燈，於夜間騎乘時自動亮起，保護車主與用路人的安全。

門診去壅塞決策支援系統

大樹

本作品旨在發展一款可用於協助改善醫療現場病患等候過久之決策支援系統。此一系統運用隨機森林以及子群組探勘等技術預測病患就診可能花費的時間，並據以推估病患的最佳建議到診時間，降低到診後的等待時間，進而使病患的就醫滿意度提高，達成醫療院所永續經營之理念。我們同時也在系統中整合了特徵選取方法，藉以有效提升分類預測模型推估結果的正確性，另外，還運用了子群組探勘技術所找出的潛在關聯搭配上醫師的專業意見與臨床經驗篩選特徵，使採用的特徵更為符合醫療現場之情況，並且能利用篩選出的特徵創建每位醫師的專屬看診行為模型，完成後，便能使用該模型進行預測，將每位病患的診療時間與最佳建議到診時間推估完成。而本系統亦有提供效能比較，能夠將每位醫師的模型預測結果與院方現行作法分別從候診區壓力、病患等候時間、醫師閒置時間三種相異之觀點，以圖形化的方式進行比較，讓彼此間的差異一目瞭然。此外，本系統還提供了一鍵處理之功能，只要預先設定完成所需要的訓練集檔案、特徵方法、模型方法以及預測集檔案後，便能夠一次處理所有醫師的病患預測，藉此讓使用者不必隨時於電腦前進行操作。最後，實驗結果顯示：相較於個案醫院現行的運作機制，我們所設計之預測方法確實具有改善成效。

舌下之意

舌來了

舌診在中醫界中佔有一席重要地位，中醫師可藉由查看舌頭的所透漏的訊息，像是顏色、舌苔厚度等，判斷病人的健康狀況，因此本作品從這個角度切入，以製作一個自動化舌診的系統為目標。 完整的舌頭圖像切割有助於提高自動化舌診的精確度，然而在大多情況，使用傳統影像處理的方法無法得到好的結果，再加上近年來，機器學習又再次受到矚目，由於深度學習、CNN的發展，被成功的運用到電腦視覺領域，衍伸出更廣泛的技術。 因此，本作品將以Mask-RCNN打造舌頭圖像切割模型，在切割圖像時，不需對輸入的影像執行過多的前處理，來減少在計算時間過久的問題。除了採用Mask-RCNN來提供辨識舌頭圖像特徵位置並切割舌頭圖像，另外再利用ResNeXt-101來作為舌苔圖像顏色的初步判斷，即可依照舌苔顏色來進行初步的舌診診斷。 本作品的成果可達到讓使用者可以藉由App前端介面，將手機所拍攝之舌頭影像輸入至系統，然後進行顏色校正-自動化白平衡與亮度調整、圖像切割-Mask-RCNN、舌苔顏色辨識-ResNeXt-101，來得到初步的舌頭切割圖像及舌診結果。

智慧型牙齒疾病辨識系統

齒生只為你

來過去的數年間，人工智慧的發展已漸漸成為生活的部份，舉凡各式家電，甚至是交通工具，處處使用了人工智慧的學習來使的 產品得到更高的品質，而其不只是增加日常生活的便利性，人工智 慧也為各領域帶來更多的創新性，使專業領域中也能夠使用人工智 慧來發展更為完整。 因此在本次的研究中，我們將人工智慧的技術引用至智慧醫療的領域，將本次欲研究的牙齒病徵：假牙、缺牙，作為模型學習的依據，而根據此兩種病徵，發現其特徵的表現在於像素值的分布的不同，因此，再將樣本導入模型前，先對其進行病徵的強化處理， 分別使用了對比度強化與中值濾波，將圖像的像素值區別開來並平 滑圖像處理造成的雜訊，而後，將完成處理之樣本輸入至模型中 行訓練，並將圖片進行遮蓋處理進行比對，決定最適圖像處理過程為何，同時再利用三種不同模型進行轉移訓練，對其超參數與學習 率進行微調，將所得之正確率進行比對，完成此次病徵模型之訓練。以下為我們介面的特色： 1.提供使用者與設計者一個良好的使用環境，在設計者的考量中，可以使日後的偵錯更加地容易，而若在日後要擴建程式時，再針對新的病徵進行判斷的過程中，可以使病徵在判斷的過程中更明確。而在使用者的角度中，可以更直覺的使用這套 UI 介面，不需要 是程式領域的相關人士，僅須根據介面中的文字提示與處理過程，即可對病徵進行判斷與分類。2.提供針對不同圖片進行特定的圖像預處理，針對在不同圖 的病徵表示下，可以針對不同的圖片進行不同的圖像處理，且可即時的判斷圖像處理的結果是否符合預期，再將牙齒進行切割與儲存。3.與人工智慧模型進行結合，將已完成訓練之模型進行預先儲 存，且利用 EXCEL 進行建檔，將每個牙位所對應之病徵彼此相互對應，使使用者在辨識上更為清晰。

智在交通

Pony

根據內政部統計通報，違反闖紅燈及其他不遵守號誌通報件數在 105 年 83 萬 2010 件、 106年96萬5922件、107年71 萬4170件、108年147萬5138件、109年172萬161 件，近五年間，平均闖紅燈的違規件數約為 114 萬 1480 件，多數人闖紅燈的原因多為 交通燈號配置的秒數不符合該路口的車流量，無車的路口綠燈秒數過長，導致駕駛人容 易有闖紅燈的念頭產生，交通事故原因為闖紅燈之致死率幾乎為未闖紅燈的兩倍，嚴重 危害到國民安全。 針對交通號誌秒數控制的問題，本團隊研發一項「AI 紅綠燈」，解決紅綠燈秒數控制 不當的問題。許多交通號誌不管車流量的多寡，皆是以固定的秒數來疏通車流，但此方 法並不隨著即時車多車少的狀況去調整綠燈時間，傳統的方法是派遣交通警察至各路 口，利用人工的方式去手動切換紅綠燈號誌，協助疏導交通，此方法會使警察身處車流 量大的路口，如駕駛人未看清楚前方情況，則會危害到警察的人身安全，且眾多的路口 皆須有警察待命，使警力大多分散在路口，如突有緊急情況發生，會延誤警力機動服務 的速度，因此我們團隊應用 AI 技術協助改善此問題。 另一項系統為「校園停車通」，尋找停車位，對於一個習慣開車外出的人來說，也是一個很重要且棘手的問題，常常會有到了指定地點，卻找不到停車位的狀況，除了讓駕駛人感到不方便之外，也可能會出現違規停車的現象，影響他人。在上學巔峰時段，即使校園內有多個停車場，也會因為不確定是否有停車位而貪圖一時方便，不得已而違規 停車。目前多所學校的學生因為疫情的關係，為了避免搭乘大眾運輸工具造成感染風險， 導致開車人數大幅增加，校園內常常見到違規停車的情事發生，如何有效提供停車位資 訊給車輛駕駛而言極為重要，因此我們團隊透過網路攝影機結合 AI 影像辨識技術，讓 車輛駕駛人利用瀏覽器查看校園地圖並顯示每個停車場的剩餘車位，幫助使用者快速找 到適合的停車位，減少使用者尋找車位的時間以及降低違規停車的事件發生。