應用案例

AI醫療已蔚為趨勢，但醫療研究者常因資料蒐集、標註資料、撰寫程式語言和反覆調校訓練模型花費許多的時間與精力。沐恩生醫憑藉與許多不同醫師合作解決AI問題累積的經驗，特別研發出讓醫學研究者不用寫程式即能一鍵自動建模，直接自動處理AI機器學習所需要之特徵工程、模型選擇、調整參數、模型評估等冗長的處理流程，成功打造MAIA人工智慧自動化完整解決方案平台，協助研究者高效生成專屬的分析及預測模型、加速AI臨床應用 ，不但能建立混合數字、文字、圖形、波形複合資料的模型，同時以遷移學習的方法，讓產出之模型可以共享、疊加，進而衍生模型市集，讓研究模型變成分散式合作和分潤的新商業模式，對加速AI智慧醫療進化提供了整體的解決方案。 除醫療影像外，沐恩生醫亦積極發展人工智慧應用於醫療數據之判讀與預測， 以及利用自然語言處理技術，協助生醫資訊學之研究發展，運用此技術除已擴增MAIA平台功能可以透過問句方法大量閱讀與摘要醫學期刊，更可將文字、數字變成向量，運用AUTO DL+GCNN模型加速創新開發，如蛋白質與疾病的關係、蛋白質與藥物的關係，希望能對台灣生技醫療產業的創新及發展做出更大的貢獻。

本計畫針對各種異常狀況使用不同的方法偵測，其中異常狀況有：壅塞、事故狀況、異常物件及逆向行駛，透過追蹤模組判斷是否發生異常事件。首先探討壅塞，壅塞發生在車流量大導致車速緩慢的狀況，針對此現象可以透過追蹤模組取得車速，若平均時速低於高速公路的60km/h 最低速限，則判斷壅塞。第二點事故狀況，由於在道路上行駛時須保持安全距離，若兩車距離過近，則會提高碰撞的機率，在事故發生前透過軌跡判斷兩車是否在前方會有交集點，並在兩車發生重疊時則判斷兩車相撞。第三點是否有異常物件，將一般道路上禁止出現的物件加入訓練樣本，以高速公路為例，正常情況下不會有機車出現，若畫面中辨識出異常物件則進行追蹤。最後一點逆向行駛，在路上行駛方向與其他車有所不同，在追蹤時軌跡會與正常情況下有異，判斷軌跡方向異常時發出警示將團隊所使用的 Smart AVI 與目前最常被使用的影像辨識技術之一的 YOLO 相比。雖然 YOLO 可以辨識的種類較多(屬於通用解決方案)，但要運用在交通方面則是Smart AVI 較具備優勢，因架構與設計屬於特定領域的解決方案，其訓練所需要的樣本數較低，演算速度也更快，最重要的是具備追蹤物件的功能。

數位樣布資料建立： Frontier的方式很簡單，紡織廠不用添購昂貴設備，只要用公司裡最常見的事務機掃描布片，三分鐘就能上傳完成。接著再透過雲端上多達12個AI引擎，自動辨識布種、克重範圍、紋路、規格、色號，省去手動建檔的功夫。 AI織布判別： 經由機器學習(Machine Learning)讓其進行圖片特徵資料之辨識及分析應用，AI自動辨識布種、顏色及花型 AI圖搜圖： 於樣品庫中，品牌設計師可以從生活中找尋靈感，依照手邊的現有布樣花色的圖片、照片，利用圖搜圖功能來找尋廠商樣布中相近的花色樣式，讓設計師可以更加直覺便利的從生活中找尋想要的布樣花色。

FarmiSpace 是由大數據分析與AI公司研發的精準農業服務。我們採用衛星監測技術，為農業管理者提供全方位管理平台，實現精準施肥、精準灌溉和病蟲害控制。

本系統提出一遷移式深度學習網路，由X光手部影像判別骨齡供臨床醫師診斷評估，係為全台唯一藉由AI深度神經網路的方式結合手骨X光影像輔助判斷，並將AI診斷結果結合門診系統，可讓醫師經由門診系統按鍵自動帶入到AI輔助報告該系統將透過卷積神經網路模型個別對男性及女性之骨齡影像進行訓練以建立自動化骨齡評估系統。

生理量值例如生命徵象，其中包含體溫、血壓、脈搏、呼吸、血糖等為居家照護每日必須量測數值，是長者身體狀況定期追蹤之指標，而生命徵象的異常更可作為後續衍生疾病的預警資訊。智齡科技透過合作照護機構蒐集之高齡者生命徵象歷史資料，進行分群（Clustering）與離異值分析（Anomaly detection）找出各分群群體的離異值，來設立每個群體的異常值判斷模型。此外，因生命徵象資料屬性為非均質，且具時間相依性高、資料數量大、個人化差異性顯著，故需要可持續學習新進資料的人工智慧技術，如以RNN (Recurrent Neural Network)、LSTM (long short term memory)來分析生命徵象時間序列。後續可透過每位長者的資料量持續累積，以建立個人之異常值判斷模型，提高適用至個人之模型判斷準確率。當異常值警示出現時，可透過資料庫中各種量測數值的變化軌跡，提供照護者與家人其對應的照護措施與衛教資訊提醒，掌握照護實施的黃金時間。

1. 創新服務模式：雲端AI 訂閱制服務 由醫院或診所實驗室上傳胚胎影像或照片，雲端運算與回傳報告，最先進、安 全、低費用的胚胎篩檢分析技術。 2. 產品擴散模式：透過平台進行海外通路布局，並提供系統整合規劃、界接等配 套措施，實現『AI生殖醫學服務輸出』的商業模式。 3. 導入終端用戶效益：結合醫師專業知識與人工智慧分析之人腦與AI雙腦協作， 效率可大幅提升。

《振海資通股份有限公司》利用AI機器學習搭配AOI技術，已部署於電容器製造業並成功實際運用。由於電解電容器為圓柱形體相關問題，此方案可解決傳統平面檢測較無法檢出的相關問題，檢測出人眼無法看到的瑕疵、測量物件尺寸及辨識物件位置等，是一套非接觸式檢測系統，可在動態製程中檢測。對所須檢測項目進行取樣，樣本進行標註數據化後，將數據透過演算法，進行瑕疵檢測數據分析，歸納出各階段產出不良品之原因，確保品質穩定性，提生良率，實現智能化的生產線。

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。

車牌辨識是警政系統中至關重要的一項系統功能，為了能夠讓警政系統在進行維護工程的過程中，需要驗證品質以確保其車牌辨識功能可以正常運作，智能車牌辨識系統可根據各處地域、地理位置、環境需求擁有強大的環境適應能力，與以往車牌辨識不同，在於可日夜間全時段進行監控，並且能夠鎖定辨識高速行駛中之車輛車牌，實現高效率且精確的車牌識別，以提供品質維護的驗證，進一步提升交通管理與道路安全的水平。 核心功能 :１、車牌辨識-與以往傳統的車牌辨識相比，本系統在車輛時速超過100公里的高速行駛及任何光線條件的情況下，可以完整擷取車牌的辨識率有95% ２、車輛追蹤-利用車牌辨識系統功能，可以有效抓取車輛的車牌以及目前所在地，達到車輛追蹤的目的。 ３、即時影像-每個路口所拍攝的畫面都會在系統中呈現並且儲存。

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。

依據國外NGSS課綱以及國內新課綱所列出的科技領域學習階段指標，收斂相對應的學習力指標，規劃出五個學習階段：幼兒啟蒙、結構與動力、基礎程式、機器人發展及高階AI應用，並發展其適合的教學內容。 此學習方案是基於國際知名的兩大機器人賽事 (WRO & FIRST)，目標透過競賽與國際人才進行交流，進而激勵學生在科技領域方面的途徑不斷拓展，發展團隊合作與競賽並存的理念。 教具為有效整合IT+OT應用，達到教學之目的，開發了兩套AI機器人套件組。入門機器人包含自動控制、電機、機械工程、STEM 科普等相關機器人教育之機器人微控制器與學習基礎套件；進階機器人則搭配攝像機、樹莓派、無線搖桿，可實作多功能變化的 AI 機器手臂、AI 自動駕駛車等。並發展多種實務課程，如將生產流水線搬到課堂上學習，實踐產業學習的環境。 教案及課程部分，入門鎖定國高中生，與翰林出版社合作開發初階AI教材「出發吧!自走車! 」，推廣至全台國中；進階套組則針對高中以上至產業人士，開設AI進階機器人研習課程。

透過使用者的個性屬性資料分析預測可能喜歡的內容，如從使用者的年齡、性別及過去的流覽紀錄等，當使用者正在流覽文章時，系統將自動分析使用者偏好的類型、從流覽的時間分析對於該部文章的喜好程度等，機器自動追蹤使用者的喜好，以更精准的推薦使用者正在想看的內容。 系統不斷的自動學習使用者個性的流覽行為，個人化的推薦是即時更新的，即當網站的來源內容或使用者流覽行為發生改變時，推薦序列會自動改變，為使用者即時提供感興趣的內容。

戰情虛擬助理是讓戰情中心裝上耳朵與嘴巴，讓管理者可透過手機用中文與戰情中心進行自然對話的互動，指示戰情虛擬助理對收集到的終端資料並進行分析後，將其重點視覺化顯示到戰情中心看板，提供工廠動態、設備運行狀況，讓管理者可以即時掌控人機料資訊及產線設備的使用狀況，並能夠針對人員作業和設備運作進行即時調整。 鼎新電腦的「PaaS平台事業處」部門具備研發整合「大數據、人工智慧、物聯網」各式應用的能力，能夠為企業分析需求並量身打造適合的人工智慧應用。戰情虛擬助理的核心是基於自然語意處理（NLP）技術的聊天機器人，以深度學習與機器學習分析客服語料後建立智能虛擬助理對話模型，並整合文字及語音的識別及應答，可以跟使用者進行自然語言的互動。參考資料: https://bp0800.wixsite.com/xiaohui

近年常因田間病害及氣候異常問題，面臨作物產量、品質無法控制的困境，而目前憑藉過往經驗制定的因應對策，除無法有效控制局面，更耗費人力、防治資材等成本，未來將造成產業停滯甚至被淘汰的局面。而本系統將協助解決以上問題，透過建立種植數據資料庫、結合種植流程資訊化管理系統，搭配專家、農民經驗及田間氣象數據，建構出種植數據雲，並產出即時生產進度預測生長障礙警示二項智慧預測模式，系統的種植排程管理功能更同時協助降低作物用藥、資材成本，提高人力效率。系統亦將持續針對各次的種植預測與實際資訊進行誤差分析，將經驗回饋加深系統自主學習，並朝向精準預測目標邁進。