應用案例

大型人群聚集，未被合理控管，因而衍伸之公共危險可能性需被重視。依據內政部群聚管理條文顯示，室外每人活動空間為0.2787平方公尺為非自主推擠危害臨界值，活動空間為0.1857平方公尺為已達人群推擠壓力潛在危害。透過AI自動化即時計算大範圍人數，提供安全管理策略，為本產品之安全管理訴求重點。

企業常態性面臨數位化管理課題，為了協助企業有系統地蒐集基礎資訊，首先以可客製化的電子表單模組協助企業建立各式企業表單，授權予產業一線人員蒐集數位化資訊，採用敘事型資料結構串聯專案內的人(負責工程師、外包廠商等)、事(任務)、時(專案預定時程)、地(結合現地圖說)、物(實體結構物或工作成果)資訊，利用雲端資訊平台讓企業管理資料。為完成數位化後的資訊應用，將人工智慧技術應用於簡化作業方式或流程、數據分析、最佳化分析、決策輔助等實務應用，輔以產業顧問的服務機制。

一般企業在導入AI的過程中，往往面臨以下的挑戰: AI 技術人才缺乏、AI模型開發時程過長、AI模型準確度的維持、與現有應用系統的整合，DarwinML AutoML平台是將傳統的機器學習與深度學習模型開發的過程予以自動化，以解決企業導入AI時的困難，加速產業應用AI的發展

傳統養豬場在母豬分娩過程中，需長時間安排人力現場觀察，才能掌握分娩進度與是否順利。這樣的作業方式不僅耗費大量人力與成本，也可能因為人為疏忽而錯過最佳處置時機，影響小豬存活率與母豬健康。 本系統透過在豬舍內設置攝影設備，自動記錄分娩期間的影像，再運用人工智慧進行分析，能夠辨識母豬分娩的開始與結束、小豬出生的數量與方向，並在發現異常時即時提醒管理人員。使用者透過前端介面即可即時掌握分娩動態，並同步生成紀錄報表，實現智慧化、數據化的畜牧管理模式。

因應彈性化製造之生產趨勢，製造業需要導入AI以快速學習適應不同的生產需求。AI自主學習機器人是未來製造業邁向AI時代的關鍵技術，目前工廠導入視覺機器人必須仰賴演算法工程師針對不同工件調整參數來達成任務，造成換線/任務耗時耗力。工研院以深度增強式學習(Deep Reinforcement Learning，DRL)為基礎，研發自主學習之AI機器人夾取技術， 簡單、易用，補足勞力需求。本技術之特色與創新包含: 1.機器人自主嘗試學習，減少人為介入，讓換線能夠更加快速、有彈性2.以DRL技術提供更快速、更穩定、更精確的訓練機制3.結合機器人模擬軟體，大幅減少整體學習時間與實體嘗試的次數

本專案主要功能為透過人工智慧影像辨識技術，即時偵測工地現場人員是否正確佩戴安全帽，以強化施工安全管理並降低職災風險。系統整合工業攝影鏡頭與NVIDIA Jetson系列邊緣運算模組，於現場即時執行AI推論作業，當偵測到未佩戴安全帽或進入禁區等異常狀況時，立即觸發聲光警示並將影像紀錄與警報資訊同步回傳至管理平台，協助管理人員即時掌握現場安全狀況。其應用功能包括：安全帽佩戴辨識、違規行為告警、出入稽核記錄、異常事件回報及安全報表生成等，能有效取代人工巡查，提高監測效率與精準度。 應用產業與場域涵蓋建築工地、營造工程、廠房施工、高科技廠區、公共工程及能源設施等高風險工作場所。系統同樣可延伸至製造業智慧工廠，用於監測人員是否配戴安全防護具（如護目鏡、耳罩、防護服等），或應用於物流倉儲與港口作業，進行人員進出監控與安全紀錄管理。未來更將逐步擴充至「安全背心」、「安全面罩」、「安全手套」等個人防護裝備（PPE）辨識模組，實現多項安全裝備同步監測，建立智慧工地的整合防護機制。 AI技術運用方面，系統採用Roboflow平台標註並訓練多場域影像資料集，使模型能於多角度、強光或低光環境下仍具高精確率。模型部署於Jetson Nano或Orin NX等邊緣端設備，具備低延遲與離線運作能力；同時結合AIoT架構與雲端資料庫，能自動產生違規統計與趨勢分析報表，協助管理單位掌握安全遵守率與風險熱點。 實際應用案例包括：於建築工地導入本系統後，透過AI即時警示與影像紀錄功能，顯著提升施工現場安全性與管理效率。整體而言，本技術可作為智慧工地及智慧製造之基礎模組，為產業提供自動化、可視化與智慧化的勞安管理解決方案。

透過線上平台的學習，搭配AI技術的科技力量，打造屬於數位智能學習的環境，讓使用者更輕鬆、更簡單、更有趣。

自動化分揀倉儲決策AI系統結合大數據與智動化科技，研發以預測、快速反應為基礎之AI倉儲軟硬體解決方案，AI in Edge 架構結合揀貨路徑規劃技術、儲位配置技術需求預測與庫存調度技術，整合物流貨品標識影像處理系統、國產化自動化分揀系統設備建置智慧物流Total Solution。智慧科技精準預測、最適儲位規劃、最佳揀貨排程，解決電商倉儲品項上萬、出貨急迫、人力時間不足，導致企業營運受阻問題及仰賴國外昂貴系統之困境。工研院服科中心採用 Variation Auto encoder 之無監督學習模型，結合「事前資源調度」與「人工智慧指揮引導」發展漸進式動態儲位配置調整技術，以遞迴式類神經網路、線性回歸模型、EIQ分析、深度學習、邊緣運算建立倉儲決策AI支援系統 ，協助解決EC物流中心缺工、爆倉等現象 ; AI in Edge 架構優化進貨、入儲及揀貨效率及空間利用，節省EC物流中心30%工時、50%人員移動距離與12%成本，自動化分揀系統與包裹辨識系統，快速滿足B2B、B2C等多型態出貨需求，目前已成功導入宅配物流業、EC物流中心、連鎖型超商…等國內相關業者。

凱比機器人主要為一Android開放平台, 並開放機器人控制介面與平台供第三方進行調研開發合適之應用. 提供真實的人機交互介面給第三方進行應用部署.

透過AI客服智能除錯機器人，業者的客戶可以只要輸入錯誤代碼， AI客服即可以step by step圖文顯示維修對策，引導立即排除障礙，減少機器故障帶來的營業損失，同時業者也可減輕真人客服的負擔，專注解決差異性的個別問題。 雲程在線採用人工智慧機器學習設計的聊天機器人平台，整合文字、語音的識別與對答能力，透過自然語意理解及智能學習，讓業者可以藉由智能客服展開與客戶即時互動、同時也具備錯誤矯正能力，能自動修正錯別字或同音字，讓客戶可獲得快速的互動新體驗。 本服務以AI客服-智能除錯系統為基底，並整合真人客服、網站、APP、LINE、FB 、YouTube…等社群媒體，目前已成功娃娃機、兌幣機、自動販賣機等應用。

1. 文字編輯就能做配音！大幅降低配音的門檻 2. 提供100種語言、400位配音員 栩栩如生的真人語音品質，可手動變化各種聲音風格 3. 支援加入背景音效、背景音，多種模版供參考 4. 大幅降低真人錄音及後製成本

MusesAI- 是提供製造業非資訊人員，透過一站式介面指示精靈，可快速、簡單、準確度高方式，在系統介面自動協同標註特徵及自動訓練AI模型，而後即可立即下載佈署使用的一站式AI模型開發平台，其中AI應用模組類別包含影像類及數據類兩大方向，影像類涵蓋物件辨識(數量、標工)、人員行為辨識、工地安全等；而數據類則涵蓋機台閒置預測、設備故障診斷等應用，可大幅降低一般AI模型開發門檻及投入時間。

聯和趨動股份有限公司所開發之「AI職能評鑑系統」可以解決中小企業在徵才、用人及留才上面的諸多痛點，系統依據個別公司產業類別、公司組織及員工人數，並結合勞動部勞動力發展署iCAP職能量表，將關鍵向量建模於Neo4j，透過職能知識圖譜的非監督式動態學習，快速建立個別企業的職能模型，企業內部的人力資源人員或外部的專業人資顧問，便可以依據所產生之職能模型，進行人才招募、職能盤點、績效考核及教育訓練等方面的評估跟應用，並且會依據公司現有職稱架構下，自動給予建議其尚需加強的職能，包括相關的知識、技能及態度等等。 透過持續性資料的導入跟訓練，系統會學習雇主對於該職業應有之模型的實際看法，並回饋雲端職能量表中，以transfer learning的方法完成知識圖譜的動態學習，未來其將可媲美專業人資顧問，藉此來快速幫助許多跨領域的企業，或是多元化技術的企業在職能上的訓練及培訓。

提供現場與非現場球迷沈浸式觀賽體驗 1. 可視化運動數據呈現 2. 互動式AR遊戲與服務 3. 一站式智慧助手提供導航、導購、導覽…等服務

Dataset Acquire資料匯入整合管理、Dataset Reprocessing 資料前處理與作業、Dataset Understanding資料理解與分析、Data Labeling資料標記輔助系統、Model Generator模型設計、Auto deployment自動發佈模型