應用案例

整體場域具備有至少上百組光纖和網路設備機箱，由於腹地廣泛家商鄰近海邊，維修管理相當不易，本專案規劃安裝溫濕度計與門禁權限管理於機箱內部，透過光纖骨幹傳輸至中心端即時傳回現場狀況以及權限提供維護廠商與人員進行開啟機箱，同時結合Qr code辨識，提供室內臨時訪客和廠商的門禁權限管理與異常事件告知。 同時導入AI影像智慧監控及AI事件影像偵測，藉由IOT控制接收器進行相關設備通訊整合，整合介面具備的RS232/RS485或是modbus進行整合串接，在主換成網路通訊埠傳輸至中心管理系統數據庫進行分析與建立閥值通報示警管理。規劃建置各類感測裝置，包含電力、發電機油位、水位、煙霧偵測、火災偵測，不斷電系統狀態、門位開關、溫濕度、風扇啟動、漏水偵測等。

鋼鐵業係屬高耗能產業，據統計顯示，鋼鐵業的能源消費與二氧化碳排放比例在全國工業部門中排名第1位。尤其煉鋼製程中的數種主要加熱爐如電弧爐(EAF)、電渣重熔精煉爐ESR 、真空電弧精煉爐VAR 和真空感應熔解爐VIM等用電量都極高。 其中最重要的在於煉鋼過程中，若全廠用電設備包含前述煉鋼爐若同時投入生產時將導致用電超約，導致鉅額的超約費，造成生產成本的巨大負擔。因此如何配合煉鋼作業同時避免超約罰款，是業者迫切要克服的難題。

糖尿病患居家血糖自我管理之遵從度差（僅53%量血糖，31.7%運動習慣），IWT運動控糖照護解決方案提供用戶客製化飯後Interval Walking Training間歇步行訓練運動，透過IWT劑量化運動導引 +飲食醣份數管理，引導病患於對的時間進行對的運動，運動中使用手機內建G sensor，自動識別運動強度，有效控制飯後血糖高峰值，工研院IWT運動控糖照護解決方案2018已成功導入國內3家糖尿病權威診所可有效降低飯後1小時血糖高峰值，運動前後血糖下降平均約30mg/dL，驗證糖尿病病患HbA1c 3個月平均下降0.9%(每降低 1% HbA1c，糖尿病造成的死亡率可下降 21%、小血管併發症下降 37%、周邊血管引起的截肢或死亡下降 43%) ；使用者可透過飲食照片上傳，整合運動、飲食與血糖關聯分析之健康資訊平台(Dashboard)提供賦能控糖管理使用，結合後台個管系統，協助照護/醫事單位快速找出血糖管理不佳及生活型態異常之個案，提升用戶自我管理血糖能力。成功導入家醫診所糖尿病共照網、團保外溢保單、運動中心…等國內業者。

青農好夥伴

客製化AI迎賓對話機器人系統，可針對公司內部、飯店區域或是其他客製化之資料做處理，且整體系統皆可離線運作，大幅保障資料安全，對於對話式迎賓可以給來賓更加親切的感覺，提升來賓體驗，對於人力不足或是突發性的大量來賓皆有助於緩解接待人員負擔。在公司迎賓機器人上，可以促進訪客登記系統E化，且可以嫁接公司總機系統使系統完整性更高，或是提供電話語音轉接的服務，幫助公司系統AI化。飯店迎賓機器人上可以加入當地資料或是飯店常見問答，對顧客而言就多了一個可以諮詢的服務人員，且機器人通常不會因為疲勞、生病等因素造成服務品質不一的狀況發生，這可以幫助飯店方維持穩定的服務品質。

本產品專注於研發智慧加護病房(ICU)核心技術，將重症照護流程最適化用以提升醫護工作效率，作業環境無紙化，可降低整體醫療資源支出。經由自動化蒐集和整合醫院電子病歷紀錄與各項儀器之生理數據，進一步進行分析，並以人工智慧技術預測高風險重症病人相關之合併症與併發症(如:敗血症)。除此之外，我們的產品還支援遠端重症ICU照護，可提供遠距多點監控之重症照護服務，有效地解決全球重症照護人力資源短缺問題。

醫療影像資料占醫學資訊量 80%，每張醫學影像相關標註，皆是重要的醫療診斷資訊，若可收集放射科醫師平日工作之醫療註解資訊，將可大幅提升人工智慧訓練成效，降低電腦偽陽性與偽陰性之判讀，進而提高AI輔助醫學影像判讀之可行性，提升放射科醫師工作效率。尤其目前醫院在影像醫學科醫師人力普遍不足，預防意識抬頭以至於醫學影像判讀需求遽增，此外先進儀器產生資料量快速增長，皆造成相關工作負荷過重。又特別在偏遠地區專業影像醫學科醫師短缺，若能應用AI輔助醫學影像判讀，提高辨識率外，在影像微小的病灶查找、病灶連續追蹤上，亦可為醫療專業人員強化輔助操作能力。另結合相關檢查檢驗的報告提醒參考與比對，據研究可再提升輔助診斷正確率。最後，將確認的檢查發現導入結構化報告以支持進一步的臨床研究，亦為進入精準醫療目標不可或缺之步驟。本計畫期以建置一套影像AI報告產生平台，使用AI協助醫師更容易撰寫報告，減輕醫師負擔，系統內含可持續提高精準度的AI學習機制。

「DKABio智慧健康風險分析服務」由國內知名生物統計學者鄭光甫教授、資深醫界元老李英雄教授，聯合帶領浚鴻數據開發（Dataa）的AI技術團隊所建立，共投入超過7年時間，運用超過500萬人、資料期間長達20年、超過1億筆的華人健康資料庫，以大數據分析及機器學習技術所建置的風險分析體系， 綜合考量遺傳、行為與環境三大健康影響因素，整合148項生理體徵值、健康生活習慣、體質、家庭遺傳等投入因子，是一個全方位的健康風險分析服務，協助民眾提早在健康或亞健康階段，掌握自己未來罹患疾病的風險，予以事先預防及管理。DKABio榮獲第16屆國家新創獎，目前已針對國人常見的15種慢性疾病/病症提供風險分析服務，並與高雄榮民總醫院、是方電訊「是方i健康APP」及國內知名健檢中心合作。

狀態預測、故障診斷，提高血液透析設備可用度：台灣洗腎人數愈9萬人，洗腎(血液透析)，是一種高風險的醫療行為；患者須至特定醫療場所接受每周三次，每次4-5小時的治療。血液透析機是血液透析期間最重要的設備，治療前或期間如發生異常事件，不僅影響病人的治療安全，也影響床位的可用度。 以預測性維護方式，達到提升設備使用率的預期效益，計畫透過大數據，運用A.I.預測架構，以主動式「預測維修方式」取代「故障時才維修處理」的被動方式，提升血液透析機的可用度，不僅減少時間耗費和人力成本，也保障患者生命安全，期望降低(解決)血液透析機的非正常的狀況。 故障診斷-即時作業方式，當血液透析機有狀況時，可以根據設備實時狀態及相關參數，對這些參數進行數據清洗與分析，判斷診斷設備是否正常或故障因素。

一般市面上的機械手臂通常只能執行單一物件的取放，在少量多樣或產品變異性高的產線中，不容易實現自動化的需求。本案透過AI演算法和3D成像技術來揀選未知物品，即使它們被緊密的包裝在一起，仍然能夠辨識出個別包裹，系統也能計算出最佳的揀選點，規畫路徑引導手臂避免碰撞。

在過去，當我們需要從監視系統中找尋目標人物，例如說嫌疑犯、走失人員或是Covid-19的染疫者足跡，我們需要透過人工的方式，去檢查每支攝影機的每個片段，當找到可以作為證據的片段時，也需要一段段的輸出再交給警方或是相關單位，非常的耗費時間。而現在，當我們有了airaTrack, 全場域人員追蹤解決方案，我們可以在場域的主要路徑上，採用攝影機做及時的人臉擷取，儲存臉部特徵值為Face Index, 當需要找尋目標人物時，我們透過搜尋Face Index以及位於監控系統VMS當中的錄像存檔，就可以快速找到與匯出帶有目標人物的影像片段。aira作為影像與AI的專業團隊，致力於提供整合各產業的落地方案，從演算法、軟體、應用都是由自己的團隊開發，並透過數十年的產業經驗，使用先進的AI技術、相容性高的系統架構，來解決客戶問題。

本案例使用視覺辨識銲道的位置和姿態，再驅使機械手臂進行全周銲。同時進行銲接品質之AI檢測，在銲接完成的端板上方架設一台CCD，捕捉銲道的影像，使用訓練好的模型便可立即辨識出端板銲道的各種缺陷和瑕疵，若辨識出有缺陷或瑕疵的端板會發出警示，通知工作人員進行補銲之作業。

以人工智慧技術建立「坡地災情預測2.0」模式，透過優化演算法及動態降雨資料介接，提升預測頻率與準確度。與過去版本相比，改良後模型可由原本颱風期間、三小時一次的預測，提升至全年全天候、每小時預測一次，並可針對多種降雨型態進行即時崩塌災害風險評估。

醫療影像資料占醫學資訊量 80%，每張醫學影像相關標註，皆是重要的醫療診斷資訊，若可收集放射科醫師平日工作之醫療註解資訊，將可大幅提升人工智慧訓練成效，降低電腦偽陽性與偽陰性之判讀，進而提高AI輔助醫學影像判讀之可行性，提升放射科醫師工作效率。尤其目前醫院在影像醫學科醫師人力普遍不足，預防意識抬頭以至於醫學影像判讀需求遽增，此外先進儀器產生資料量快速增長，皆造成相關工作負荷過重。又特別在偏遠地區專業影像醫學科醫師短缺，若能應用AI輔助醫學影像判讀，提高辨識率外，在影像微小的病灶查找、病灶連續追蹤上，亦可為醫療專業人員強化輔助操作能力。另結合相關檢查檢驗的報告提醒參考與比對，據研究可再提升輔助診斷正確率。最後，將確認的檢查發現導入結構化報告以支持進一步的臨床研究，亦為進入精準醫療目標不可或缺之步驟。本計畫期以建置一套影像AI報告產生平台，使用AI協助醫師更容易撰寫報告，減輕醫師負擔，系統內含可持續提高精準度的AI學習機制。

LibraLung天秤肺影為電腦輔助偵測系統(Computer-Aided Detection, CADe)，以人工智慧(AI, Artificial Intelligence)技術，輔助專科醫師判讀胸腔電腦斷層(CT, Computed Tomography)之肺結節影像。本系統以網頁介面操作，具備「肺結節偵測」及「輔助自動報告」兩大功能。 當系統偵測肺部電腦斷層影像疑似肺結節存在，系統自動於影像中標記肺結節之VOI(Volume of Interests)，以及對應肺結節之類型(Class)、肺葉位置(Lobe)、長短軸(Axes)及體積(Volume)資訊，並經由橫切面、矢狀面、冠狀面、最大投影橫狀面觀察肺結節型態。輔助肺結節偵測範圍，包含肺結節最大直徑尺寸為4 mm(含)至30mm(含)，類型不限為實質(Solid)、非實質(Non-Solid)或部分實質(Part-Solid)。 本產品經國內醫學中心測試，模型在偵測肺結節之FROC表現，平均每例偽陽個數(average number of false positives per scan)為2時，靈敏度(Sensitivity)為94 %；在肺結節之類型分類表現為Precision=0.93, Recall=0.93；在肺結節所在肺葉位置分類表現為Precision=0.99, Recall=0.99。