應用案例

利用多國語音辨識與智慧點餐，協助餐飲業者接待外國觀光客，使用本國語言點餐。協助商家以AI功能自動將商品名稱、商品描述、商品加值等內容翻譯成多國語言，提供海外旅客無阻礙的在系統上直接選購，支援英文、日文、韓文、法文為基礎語言，協助店家提供海外消費者優質消費體驗。

臺中市政府為改善交通壅塞問題，以提供民眾更好的交通環境，與彰化、南投縣合作並結合高速公路局、公路總局，於民國 109年開始實施「中彰投交通協控計畫」，隨著協控平台逐步發展成熟，在 111 年「中彰投交通協控計畫」期望能藉由人工智慧車流計數數，以提供更完整 的交通信 息及提升 運輸效 率，並持 續改善區 域間之交 通問題，車流量資料分析模組針對路口車流計算要求，利用AI影像辨識建立車輛識別，藉由人工智慧車流計數，以提供更完整的交通信息及提升運輸效率，即時了解路口交通流量和趨勢，並持續改善區域間之交通問題。

AI數據整合 –企業數據中台引擎：結合AI應用與產業數據整合，已導入餐飲及零售業 目前積極與神通電腦集團合作洽談 即將結合該公司力推的Sugar CRM系統串接ERP與CRM之數據，共同打造製造業合用的數據中台。 AI Key in –NLP+OCR導入：以OCR+NLP的方式整合AI，協助燈飾與散熱片製造業客戶，將客戶的訂單與圖檔等文件Training分群 最終再用RPA模擬人的操作將分類好的資料回填到表格中，協助客戶大量節省了60%人工Key in的工作量。 AI 社群分析 –NLP+3D視覺化：以NLP + 自行開發的3D社群網絡引擎，協助客戶建置YOUTUBE聊天室語料分析。

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

很多製造業的常用機台是缺乏物聯網通訊能力的傳統設備，即使本身內建感測器可將運作時的各項生產數據呈現在螢幕上供操作人員參考，但必須透過人為抄寫或另外在機台電路安裝傳感器才能夠將數據傳輸至後端系統。透過慧眼的協助，系統得以直接讀取機台螢幕上呈現的各項文數字生產數據，相較於前述其他作法，慧眼的優點包括低成本、施工時間短、不影響原有設備運作，並可避免人為抄寫的數據出錯或遺漏。慧眼的核心技術是結合深度學習的OCR技術，並具備可擴充性、非侵入式等特色。除了可串聯未連網的PC Based機台設備打造智慧工廠，並能應用於各種產業，提供智慧金融、智慧醫療、智慧物流…等服務，例如：銀行業的匯票識別、支票識別，醫療業的醫療費用單識別、保險單識別，物流業的提貨單識別、交貨收據識別…等。

本應用透過LSTM預測模型對靈芝種植環境中的關鍵參數（如溫度、濕度、CO₂濃度）進行即時預測與動態控制。系統整合感測器與邊緣運算設備，建立智慧環控平台，自動啟動風機、加濕器與照明設備，減少人工作業與誤差。該模型結合雙向LSTM與注意力機制提升預測準確性，搭配多目標優化控制策略，有效提升靈芝產量與能源效率，並透過可視化平台（戰情室）監控整體生產狀況。

iCoder AI編程可以自動判讀企業慣用的Word/Excel表格，作為表單的規格文件，透過雲端使用NPOI判讀表格內的各欄位與其特性，進一步使用JIEBA自動斷詞與分析詞性，自動決定表格上的欄位類型與表單上所要呈現的風格，來自動產生資料表結構、後端CRUD的對應程式碼、 前端RWD的UI表單(電腦手機都可以使用)，這個過程只需3秒鐘即可完成。iCoder除了以JIEBA的HMM方法來自動判讀欄位類型外，已經訓練好上千個Word/Excel商業表格作為模型，並具有高度的學習能力，可以依照個別的開發者提供私有的訓練模型，並回饋給公有的訓練模型。iCoder所匯入的Word/Excel文件，同時也是印表輸出的規格文件，隨時可以將資料套印在原來的Word與Excel格式上。iCoder也內建一個強大的Workflow引擎，以拖拉的方式讓你設定公司的組織與流程制度，並以iCoder的表單來進行線上簽核。iCoder同時具備了二次開發的能力，產生的所有程式碼都可以透過EEPCloud來進行二次開發來進行增補與微調，達到100%的需求。

針對工廠內部工安管理、製程監控、能源使用與資訊整合等問題，導入人工智慧與物聯網技術，建置可即時偵測與通報的智慧監控平台。系統整合現有監視器、中控設備、電力與濃度監控模組，將感測數據與監控影像同步串接至中央平台，打造廠區專屬的主控中心。 在 AI 技術應用方面，系統導入 YOLO 與 Detectron2 等物件偵測模型，辨識人員跌落、水池接近、火災等高風險事件，並結合骨架姿態估測技術提升動作判斷準確度。透過 OCR 技術擷取無通訊設備畫面資訊，讓系統能從老舊儀表板或傳統監控畫面中擷取數值資料，進行即時分析。主控模組支援 Web 與 APP 雙平台操作，提供互動式廠區地圖、即時影像畫面與模組化功能切換，協助現場人員快速掌握各區域狀況。 AI 智慧巡檢工具結合大型語言模型（LLM），可根據現場人員輸入的自然語言指令（Prompt），針對是否配戴安全裝備、是否誤入警戒區等項目自動辨識異常，並以語意推論輔助任務分類與處理。系統每 7 秒自動擷取影像，檢測結果將逐一記錄並標示異常，大幅減少人為疏漏並提升巡檢智慧化程度。

Viscovery「AI 影像辨識結帳系統」可於一秒內快速辨識多款多件商品，進而結帳，大幅縮短結帳處理時間，取代一個個掃描商品條碼的傳統結帳方式，或協助店員辨識無包裝且外觀具有變異性的商品，例如：麵包、蛋糕、餐點，不僅縮短肉眼辨識時間，亦能有效提高辨識精準度，提供予所有零售業一個更好的結帳選擇。以電腦視覺、人工智慧、深度學習技術為基礎，Viscovery「AI 影像辨識結帳系統」讓電腦具備人的思維，學習辨識各類商品，使之不受商品外觀上自然差異性的影響，以無包裝類商品「麵包」為例，麵包上的糖粉或配料多寡均不影響辨識。 Viscovery「AI 影像辨識結帳系統」可沿用店家現行使用的 POS 結帳軟硬體，無縫整合，並提供商品上下架管理系統，方便業主自行快速上架新品，只需 2~5 張商品圖資，即可快速訓練電腦認識新商品。 目前已導入【一之軒】、【RT Bakery House 雅特烘焙】、【日本 THE BAKE STORE 蛋糕店】...等等烘焙店，運用 AI，輔助結帳員辨識麵包及糕餅類商品、縮短 80% 的結帳時間、有效紓緩尖峰時刻的結帳人潮、提升消費者購物體驗。除了獲得台灣、日本烘焙業正面迴響，亦導入日本無人商店、新加坡食堂...等等。

需確保雞隻完整性，以利分切人員能分切較完整的雞隻部位，避免浪費。原先需仰賴人工作業，每日檢查雞隻空掛、斷翅、斷頭、半斷等狀況，檢查完後仍需仰賴人力滕打工時，紀錄分切多少雞隻與各雞隻部位，相當耗時。該客戶因此委請緯謙利用AI訓練辨識雞隻照片，能快速過濾掉不完整的雞隻，並能進行統計與分析，以期能節省人力付出時間。

1. AI威脅情資智慧防禦服務 : 將取得的威脅情資，透過「態勢感知情資生命週期管理功能」、基於AI演算後，輸出情資的生命週期、情資可信度、情資風險等級等加值數據進行情資資訊處理成符合STIX2.X資料格式後，提供客戶端高品質情資OPEN API。 2. 將取得的威脅情資，透過等AI演算，並根據網路收集之封包、log、告警等資訊，透過數位雙生戰情儀表板，於發生資安告警時，可預測駭客攻擊的潛勢路徑。

本司為降低工安意外發生機率、職災損失與人員傷亡，開發出『iDaka友善工區智能助理』。希望能夠針對工程中的人員、機具、物料、環境，利用人工智能、物聯網及雲服務做出智慧化與自動化的管理。iDaka 整體之工程安全智動化管理解決方案，包含 1. 雲端管理平台 2. AI運算模組 3. 邊緣運算裝置。

台灣大哥大旗下的線上音樂與影視串流平台 (myMusic & myVideo)，利用個人化影音推薦技術解決內容與用戶數不斷成長所導致的媒合效率偏低問題。 提供技術的工研院巨資中心透過巨量資料分析平台處理大量內外部異質性影音內涵資料、中繼資料、用戶行為資料；結合用戶偏好分析、內容導向推薦、協同過濾推薦以及多種統計與機器學習方法，建構可滿足個人化推薦運算之複合式推薦系統，同時改善過去由PM人為決定推薦內容的作法。

慧演智能專注於為製造業提供 AI 影像辨識解決方案，已成功應用於半導體、電子周邊及食品製造。 我們自主研發的 BailAI 平台，讓企業無需撰寫程式，即可完成從資料標註、模型訓練到部署推論的全流程管理。1.免寫程式、操作簡便：專為非工程背景用戶設計，一站式導入 AI 檢測。 2.快速建模、少量多樣：內建多種優化演算法，可用極少影像資料完成高效訓練。 3.靈活場域應用：模型可快速切換，適應不同工廠、產品線及檢測條件。 4.推論即時、自動監控：整合邊緣端 AI BOX，能即時判斷並記錄現場影像。 5.大幅節省成本與時程：縮短驗證週期、降低導入成本，加速 AI 成果落地。

基於設備大數據的預測性維護與診斷 AVEVA PRiSM的APR技術 (Advanced Pattern Recognition先進模式識別)，將設備的實時運行數據同其特有運行模式進行比對，發現系統行爲的細微差異，從而對設備可能存在的問題進行提前預警，實現對設備的預測性維護。早於傳統報警系統數天、數周或數月進行預警 傳統的警告方式為設定上、下界限，但PRiSM是以點的周圍來計算，利用演算法建立一個正常的模式，當實際值和預測值之間的偏差超過允許的限制時進行預先報警。