【記者張雅媜綜合報導】視網膜上的微血管能透露出眼部病變的徵兆。國立雲林科技大學電子工程系特聘教授陳錫釗研究團隊研發出「人工智慧辨識視網膜血管影像與重建方法」，以AI人工智慧協助眼科醫生判斷血管位置及狀態，榮獲韓國首爾國際發明展金牌。過往醫師欲取得視網膜血管造影，須先使用紅外線眼底照相機拍攝影像後，人工標誌出血管的位置、形狀，並加以判斷，此過程費時費力。陳錫釗說：「醫師檢視大量的影像內容，可能因眼睛疲勞而降低判斷準確度。」於是研究團隊開發辨識系統，利用AI人工智慧自動標示出血管型態、位置，減輕醫師治療負擔。雲科大視網膜血管影像重建系統選用目前最新的Sine型網域全卷積神經網路作為AI訓練模型，經測試，其訓練所需時間相較於傳統常見之U型模型短，且可達近97％的準確率。陳錫釗表示，U型模型的做法是透過將影像解析度分階段降低，以數個層次分析不同的影像元素；而Sine則是採取先增加、再降低解析度，透過雙向轉換並減少分析層次數量，以達到縮短訓練時間，並有高度準確率的效果。 Sine型網域全卷積神經網路模型訓練時，影像解析度會先向上增加、再向下減少，以增強學習效果。　圖／藍聖翔提供訓練AI模型需要投餵大量的影像資料。研究團隊因應醫療使用需求，故選用經專業醫師繪製並認證的血管影像，惟從國際公開資料庫取得的數據不足以應付訓練需求，故團隊需再將原有影像分割出5000筆以上的資料來訓練模型。團隊學生藍聖翔說明：「我們將圖像左右翻轉、上下顛倒或隨機旋轉後進行局部切割，以增加訓練資料量。」 以人工智慧辨識視網膜血管影像與重建方法產生之視網膜血管造影，由左至右為原影像、灰階影像、AI預測影像。　圖／藍聖翔提供完成訓練的系統可供一般電腦伺服器使用，讓醫療院所不需特意升級硬體，直接把眼底攝像照輸入電腦系統，便得到完成標記的血管造影。眼科醫師沈仁翔認為此技術可以先在內科或家醫科診所推廣，他說：「視網膜血管是大腦的延伸，若一般診所可透過此系統觀察出眼中風等疾病徵兆，可減少病患錯失醫治良機的狀況發生。」長庚醫院眼科部教授賴旗俊則表示，系統雖然對資料整理、降低勞力需求有幫助，但以目前的法律制度及AI的發展程度而言，醫師仍難以完全信任系統，他說道：「AI若判斷錯誤而導致誤診，醫師要為其負責，因此我們還是會比較傾向自己判斷。」

【記者張雅媜綜合報導】傳統海上箱網養殖業者欲知魚群的狀況，必須駕船出海，逐條撈起來掂量，過程費時費力，且投餵飼料全憑經驗。由國立臺灣海洋大學教授盧晃瑩、鄭錫齊與電機、資訊工程學系賴永軒、陳俊宇、曾建智、張凱翔組成的智慧箱網養殖團隊研發出「具智慧充電之水下攝影與通訊系統」，讓漁民不出海也能了解水產狀態，大幅提升水產養殖效能，榮獲2023太陽光電創新應用產品設計競賽金獎。 水下攝影裝置架設於海上養殖箱網，運作時MA4電動推桿會將立體攝影機探入水下，拍攝完畢後再收回來。　圖／賴永軒提供智慧充電攝影系統是透過水下立體鏡頭，蒐集具三個維度的影像資料，經4G網路傳遞至雲端進行AI辨識分析。團隊成員賴永軒解釋道：「經訓練後的系統能預測出魚的大小及重量，並連同歷史投餵數據、水質資料等輸入另一組AI模型，從而計算出所需的餌量。」最後業者的使用介面就會呈現出魚隻的重要資訊、建議投餵量。而為因應不同使用需求，團隊也設計電腦和手機APP兩種介面，皆具手動及自動兩種功能，業者可自行點按喚醒裝置，也能預先定時讓它啟動。 使用者手機介面上呈現裝置電量、裝置狀態、魚隻及海水重要資訊，並給出建議投餌量。 　圖／賴永軒提供海上攝影裝置雖本身具固定式太陽能發電板，但若要增加續航力，仍要仰賴智慧充電系統。賴永軒說：「我們是用網路爬蟲（註）蒐集基隆過去一年的太陽仰角、方位角，然後投餵資料訓練AI，進而預測出最佳發電角度。」太陽能板自動調整成最佳角度後，可提升78％的發電量，讓海上裝置在一般的使用頻率下保持電量充足。註：透過程式碼自動抓取網站資料。裝置架設於海上箱網仍有通訊問題要克服，為降低耗電量，設計團隊以4G網路及LoRa兩種工具進行不同的資訊傳輸。賴永軒說明，LoRa低功耗通訊系統無法傳遞影音訊息，但能在低耗電的情況下接收16公里外的資訊，故用它來接收APP操作介面發出的指令，保持24小時開啟；而傳輸影音則靠快速、高耗電的4G網路，僅於系統運作時開啟。台灣大學漁業科學研究所教授韓玉山也認同系統適合在海上使用，「箱網通常離岸很遠，電力資源較匱乏，用太陽能發電是一個正確的決定。」韓玉山認為，目前用AI輔助養殖水產是一種趨勢，未來也能結合自動投餵系統，降低養殖業者的人力成本。此外，賴永軒表示，技術還在進步，未來通訊工具再提升，裝置可以更省電。不過，養殖業者莊宏祥也提出對硬體設備防水性能的疑慮，他說：「有些箱網在颱風天會為了躲避風雨下潛10公尺，機台若未能有效防水，就沒辦法跟著一起移動。」 國立海洋大學智慧箱網養殖團隊全副武裝，在海上安裝、檢測裝置，確認裝置運作情況。　 圖／賴永軒提供

台北海洋科技大學電競數位遊戲與動畫設計系學生遊三明、楊千鋒、昌家銳在指導老師蔡慧貞和陳建宏的帶領下，以「I CARE U 居家安全警示系統」參加第十三屆IIIC國際創新發明競賽榮獲銀牌。　圖／蔡慧貞提供【記者林玟君綜合報導】目前台灣市面上大多數的安全防護監測系統需要長時間的人力監測，一旦有人為疏忽便無法即時給予使用者協助。台北海洋科技大學電競數位遊戲與動畫設計系師生團隊研發「I CARE U 居家安全警示系統」，利用AI人工智慧技術，透過影像、語音辨識等功能，讓被動監視化為主動預防，給予使用者即時的應對處理。此系統榮獲第十三屆IIIC國際創新發明競賽銀牌。「假設今天有人從床上跌下來，那監看的人他去上個廁所回來，畫面根本沒有什麼變化，很難發現到有人跌到床下。」團隊指導老師蔡慧貞指出，一般的安全警示系統，常因人為疏忽而有漏看畫面的狀況發生，且若只裝設一台監視器，也會有視覺死角的問題。因此，團隊以AI取代人為監管畫面，透過影像辨識，將意外事件區分為輕、中、重等程度，並根據不同狀況做出個別的應對措施，團隊學生楊千鋒補充，「像是比較重度的事件，它就會主動去撥打119並馬上用簡訊通知意外發生者的家屬。」 「I CARE U 居家安全警示系統」以AI人工智慧深度學習技術為核心框架，透過影像識別、語音辨識，一旦偵測到意外事件的發生，便會即時發出訊號並通知親屬，化被動監視為主動預防。　圖／團隊成員提供此系統也利用語音辨識的功能，將人在發生意外所發出的聲音，納入區分事件輕重程度的考量，蔡慧貞說明，「人跌倒時有時會用喊的，不然就是發出『啊』等慘叫聲、跟我們正常講話是不一樣的。」另外，系統也配備手環等穿戴裝置感測人的體溫及震度，並將手環感應出的數據與系統傳回的聲音波紋做比對，媒合多重條件區分事件程度，藉此減少誤判的機率。台北海洋科技大學健康促進與銀髮保健系主任任曉晶建議，此系統若能在傳送警示通知時配有提醒音效，將可避免畫面雖出現警示通知卻仍有錯過的狀況發生。同時，他也肯定此系統能依照不同事件給予適當的主動警示功能，「不會只要有發生問題時就發警示，造成最後都不知道警示是真的還是假的。」  「I CARE U 居家安全警示系統」以AI人工智慧技術取代人為的方式監管畫面，透過影像辨識的功能，將意外事件區分為輕、中、重等程度，並能根據不同的狀況做出個別的應對措施。　圖／團隊成員提供考慮到室內沒有開燈的狀況，蔡慧貞希望未來能在系統監視鏡頭上裝置紅外線（註），讓系統即使在沒有光源的條件下，也能夠去辨識事件狀況。團隊指導老師陳建宏則期望，系統不只能提供給家中有年長者、孩童的人使用，也能裝設在健身房、飯店等公共場域，讓人們在安全上有更多保障，「在人很多的地方，可能無法注意到每一個安全細節，這項系統自動提醒的功能，將會是一個很好的發展。」註：紅外線肉眼不可見光的特性，適合在黑夜或是暗處為監視攝影機提供輔助照明，搭配監視攝影機其影像感測器對紅外線的感光能力，在缺乏可見光的情況下亦能獲取清晰明亮的圖像。