• 期刊

序

• 期刊

應用於識別變壓器絕緣劣化之磁力監測系統的設計與研發

本論文應用微處理機及嵌入式系統研製一個可應用於變壓器絕緣劣化監測的磁力監測系統，主要對於當變壓器內部繞組出現短路的時候，在磁場上產生變化收集回後端系統進行分析，以避免變壓器因絕緣劣化發生故障所帶來的停電損失。首先收集國內外文獻來針對變壓器絕緣劣化進行研究，應用磁力感測器與震動感測器，規劃設計一個磁力監測系統，收集與監測變壓器絕緣劣化時磁場的變化及變壓器的震動。磁力監測系統蒐集完資料後再回傳至後端伺服器，並將資料以親和性的人機介面來呈現。本文最後進行實際場域的安裝測試，於實際安裝測試時，將感測器擺放在不同位置進行測試，確認感測器擺放位置後，分別在新變壓器與舊變壓器都架設磁力監測系統及電表，再將新變壓器與舊變壓器的3D圖形進行比較，發現新變壓器因沒有產生絕緣劣化，其圖形看起來比較密集，而舊變壓器因絕緣劣化，而導致其圖形看起來比較稀疏。本文成果驗證了所開發的監測模組與系統具實用性與效能。

• 期刊

COVID-19各種檢測方式簡介及其與AI影像辨識之結合

自新冠肺炎疫情大爆發以來，新冠檢測對於預防疾病風險已成為關鍵所在。而聚合酶鏈鎖反應（Polymerase chain reaction, PCR）核酸檢測屬於具備高精準度的檢驗方式，其可作為判斷是否染疫的標準工具。本文除簡介新冠肺炎之各種檢測方式，亦提出利用人工智慧（Artificial intelligence, AI）影像辨識技術結合微滴式數字聚合酶鏈鎖反應（Droplet digital PCR, ddPCR）之檢測過程，來針對受測樣本之微滴進行影像分析以及全自動化計數的效果。藉由AI影像辨識技術來分析並判斷出所採集影像中象徵樣本微滴之圓形紙片的位置以及顆數，可將此法則實際導入ddPCR之檢測程序，用以有效檢視患者染疫情況。

• 期刊

結合預特徵萃取與深度學習於強化臉部表情識別

近年來深度學習方法在建立預測模型上取得了重大的進展。這個進展來自於計算能力的突破與大數據。有別於傳統的淺層學習方法，使用者必須選取適當的指標，來幫助系統快速學習到特徵，深度學習則利用大量資料讓系統自動地學習重要的特徵。一般來說，深度學習應用於表情辨識上，輸入的資料都未加經過處理，而辨識結果則容易有準確率低且不穩定的狀況。因此本研究提出一個新方法是針對輸入資料做預處理的動作，即事先對輸入資料做特徵萃取，過濾出有用的特徵資訊後，再透過深度神經網絡（Deep Neural Networks, DNN）與卷積神經網路（Convolutional Neural Network, CNN）等深度學習方法進行辨識，最後達到準確率與穩定度提高的成效。本研究所使用的特徵萃取是有效結合三種方法，以大幅度提高深度學習辨識率。第一種是以人臉運動編碼系統（Facial Action Coding System, FACS）為導向，透過基本形變單元（Action Unit, AU）的組合萃取特徵；第二種是採用局部二值模式（Local Binary Pattern, LBP）方法來建構區域紋理特徵；第三種則是方向梯度直方圖（Histogram of Oriented Gradient, HOG）。其中LBP與HOG特徵會進行主成分分析（Principal Components Analysis, PCA）。最後將這三種特徵資訊輸入到DNN與CNN去做分類辨識以獲得表情辨識結果，並且與其他方法比較。實驗結果顯示本研究中所提出的方法，對於深度學習應用於表情辨識上，可以明顯有效提高辨識的準確率與穩定度。

• 期刊

方向性石墨烯奈米帶製作與分析

二維石墨烯因其優異的特性而受到高度關注，但石墨烯為零能隙材料，因此限制了石墨烯在電子與光電元件的應用。具有能隙的石墨烯奈米帶成了下一世代具有高度開發價值的材料，但要合成較窄且邊緣結構良好的石墨烯奈米帶仍是一大挑戰。因此在此實驗中，我們提出了一個簡單且大規模製造具有方向性石墨烯奈米帶的方法。首先在石墨烯／二氧化矽／矽基板上旋塗PMMA，透過海爾貝克陣列磁鐵的配置，使塗佈之鎳奈米線形成高度方向性的陣列，此鎳奈米線將作為蝕刻遮罩，在氧氣等離子的蝕刻下，未受鎳奈米線保護的石墨烯和PMMA會被蝕刻，最終形成高度方向性的石墨烯奈米帶陣列，此方向性石墨烯奈米帶陣列品質優異，未來將非常有潛力應用在光學與奈米電子元件。

• 期刊

室內停車系統設計

針對室內式停車系統的問題提供有效的改進方法，特色為針對車主、管理者，提供方便、公平與有效率的科學方法。使用Arduino硬體控制透過藍芽與智慧型手機Andriod軟體APP程式的結合，除了包含可記錄停車資訊外，還架設並撰寫本地與雲端網路兩種資料庫，系統將停車格設計為專屬QR Code供車主掃描，且系統自動判別停車情形，將停車資訊可記錄於本地與雲端網路資料庫中，車主可隨時透過停車格的網頁查詢停車資訊，靈活性高。透過模擬測試有效改善目前室內停車的缺點，達到可行性、方便性、實用性與創新性的目標。

• 期刊

第五代行動網路新無線電下行控制與共享資源分配

第三代合作夥伴計劃所制定的第五代行動通訊技術新無線電為了服務多項展新的應用提出控制資源集合，和第四代行動通訊技術相比，物理下行控制通道變的具有彈性，可以根據裝置的數量和資料需求量來決定下行控制通道的大小。本論文我們提出一種可以根據裝置數量和資料需求決定控制資源集合的方法，並分配物理下行控制與共享通道給裝置。透過模擬結果證實，我們所提出的方法，跟另外三個比較對象相比可以有效的減少下行資源的損耗，同時也能提高整體網路的流通量。

• 期刊

智慧型配電饋線絕緣礙子洩漏電流監測

本論文是以提出雙向長短期記憶（Bi-directional Long-Short Term Memory, Bi-LSTM）神經網路模型，對絕緣礙子洩漏電流等級與氣候間之關係，以建立出配電線路絕緣礙子洩漏電流等級分析模型。先以皮爾森積動差相關係數方法，以進行絕緣礙子洩漏電流之相關參數的選定，藉由分析各氣候參數與洩漏電流之關聯性，並以關聯性較高之氣候參數作為洩漏電流相關參數，帶入網路模型訓練中以進行模型的建立。再利用超參數優化對訓練後所建立的網路模型從中比較出最佳模型配置，再以此最佳配置對其他類神經網路模型進行比較，以驗證雙向長短期記憶（Bi-LSTM）網路模型之可靠性，接著將訓練模型進行導出以建立絕緣礙子洩漏電流等級預測模型，於絕緣礙子洩漏電流等級預測中驗證了使用不同迭帶次數的訓練，將會對導出之模型在進行預測時影響其預測精確率，於結果中得到了最佳的洩漏電流等級模型預測精確率，而此結果可作為未來於配電線路上對絕緣礙子進行維護與清潔時判斷之依據。

• 期刊

基於深度強化學習之行動邊緣計算異常的偵測

隨著5G與行動邊緣計算技術的快速發展，行動邊緣裝置如手機、無人機、感測器等裝置成倍數增長，形成高度複雜的網路。當一個區域的網路發生壅塞或中斷時，容易導致該區網速變慢，甚至是終止服務而降低QoS，因此維持一個網路服務的問題至關重要。深度強化學習大程度的提升了異常檢測的準確度，透過代理與環境多次的互動修正模型參數，讓模型具有泛化能力且能動態適應快速變化的環境。本文使用深度強化學習方法，針對一個蜂窩網路基站的行動邊緣計算情境執行異常檢測，並利用真實的CDR資料集做實驗，驗證深度強化學習的可行性。

• 期刊

以光纖布拉格光柵感測器進行足型識別之可行性探討

在本文中，我們提出了一種基於光纖布拉格光柵（FBG）的光纖感測系統，將腳底壓力分佈劃分成六個區域，每個區域由嵌入矽橡膠中的一個FBG來進行腳底壓力的檢測並進行足型識別。我們也將此光纖感測系統的性能與市面上用來判斷足型的i-Step P1000足底壓力板進行比較，i-Step P1000足底壓力板是一個具有1024個氣壓式陣列數位感測器的感測板。在實驗中，共有11名不同腳型的參與者參與測試，由本研究提出的光纖足底壓力感測系統和i-Step P1000足底壓力板的測量結果比較，其皮爾森相關係數（Pearson correlation coefficient）高達0.671（p ＜ 0.01）。這項研究的測量結果，證明了本文所提出FBG感測系統的可行性。