AI時代－NutriVision AI 智慧營養分析平台

●技術簡介：

NutriVision AI是一個使用 Google Gemini API 和 電腦網頁技術打造的智慧營養分析系統。使用者只需要上傳飲食的照片，系統就能自動辨識出食材種類、估算份量，並計算出整體的營養成分。整個設計目標是讓飲食記錄更輕鬆，讓健康管理變得不再麻煩!

主要功能包括：
●智慧照片分析：上傳餐點後立即顯示營養成分，快速又方便。
●健康進度追蹤：以圖表方式呈現每天或每週的飲食變化並追蹤。
●AI營養助理 NutriBot：能回答營養問題，並提供簡單實用的餐點建議。
●個人化目標設定：可根據個人需求調整飲食方向，提供貼近生活的建議。

整體介面簡單明瞭，操作起來非常直覺，讓使用者能更容易了解自己的飲食狀況，並在日常中慢慢養成健康的飲食習慣。

●技術團隊：李朝陽（撰稿人）、Embun Ventani 資訊工程學系
●相關產業：健康管理與智慧醫療產業、健身與體態追蹤平台

►(圖一)AI智慧營養分析運作流程圖

►(圖二)LINE Bot 介面與上傳示範圖

►(圖三)NutriVision AI 智慧營養分析平台功能總覽

AI時代－影片創意腳本動態內容生成技術

●技術簡介：

當今快節奏的數位媒體環境中，Motion Graphic（MG）動畫因其生動的視覺表現力，成為資訊傳播與品牌行銷的利器。然而，傳統MG動畫製作流程高度依賴人力，面臨著製作週期長、溝通成本高與創意迭代慢等挑戰。

為此，「AI時代－影片創意腳本動態內容生成程序技術」應運而生，旨在透過人工智慧整合傳統工作流，實現一場內容製作的典範轉移。本技術的核心在於三大AI模組的無縫整合。

首先，運用「大型語言模型（LLM）」作為創意引擎，它能深刻理解專案的委託目的、目標受眾與核心訊息，自動生成富有創意的腳本大綱與詳細的分鏡文字描述，為專案奠定清晰的敘事基礎。

接著，依據分鏡腳本的指示，AI圖像生成模型將快速產出符合設定風格的角色、場景與關鍵視覺素材，大幅縮短美術設計與素材繪製的時間。

最後，動態素材生成技術接手，將靜態圖像序列轉化為生動的動態片段，完成初步的角色表演與場景動畫。此程序不僅是單純的自動化，更是AI與傳統影像後製流程的深度融合。

AI生成的動態片段將作為高品質的半成品，交由後製人員進行精細編排、音效設計與最終合成，確保了成品的專業水準與藝術可控性。這套創新的工作流程，將使MG角色動畫的生產從數週縮短至數天，讓創作者能將更多心力投入於高層次的創意構思與敘事策略，真正實現了迅捷、可控且規模化的動態影像內容生產。

●技術團隊：白乃遠、蘇楷博、林朕瑋
●相關產業：本技術應用前景廣泛，尤其適用於對內容時效性與迭代速度要求高的產業。例如：
廣告行銷業：用於快速生成社群媒體短影音與產品解說動畫。
線上教育與知識付費：將複雜概念轉化為生動的動態教材。
媒體娛樂業：協助新聞圖文、節目片頭的即時性製作。
企業培訓：打造客製化且富有吸引力的內部訓練影片。

►照片說明：AI技術流程完成的影片作品截圖。

AI時代技術－AI 多面向之情緒辨識系統

●技術簡介：

在數位轉型的浪潮中，唯有懂得「理解情緒」的智慧系統，才能真正拉近與使用者的距離。我們研發多模態 AI 情緒辨識系統，系統整合了臉部表情、聲音，以及對話文字內容等資訊，能解析使用者的情緒狀態，目前可辨識高興、生氣、驚訝、驚恐、與自然等情緒，並可透過強化式學習來增加精確度，協助理解使用者或消費者的互動情緒。

這項技術可應用於多個場域：在醫療與長照領域上，系統能即時偵測病患或住民的情緒，可成為醫護與照護人員的重要輔助工具。在客服與零售環境中，透過情緒分析，系統能幫助品牌更精準掌握顧客喜好。在教育應用上，教學服務提供者可以更精準掌握學習者的學習情緒，並藉由學習情緒調整課程設計，提升學習成效。而在未來智慧機器人的應用上，情緒理解更能讓機器人不只會「對話」，還能「共情」，可帶來更貼近人類的互動體驗。我們的 AI 情緒辨識系統，可讓未來智慧科技注入情感價值，並且是邁向智慧互動新時代的重要關鍵技術。

●技術團隊：國際人工智慧管理研究所 / 張貴忠 所長 (撰稿人)/ Anivesh Singh Gurjer、Sayed Alireza Shafiey Moghaddas
●相關產業：服務業、醫療照護、教育業、機器人、其他需要與人互動之情境

 ►(圖一)本系統能多面向 (臉部、聲音、文字) 辨識使用者多種情緒

 ►(圖二)情緒辨識可應用之產業領域

國立雲林科技大學

專案助理徵才公告（編制外人力）

徵才單位

產學處

員額

    1    名。

職稱

□ 行政助理。 □ 行政助理(職務代理)。 □ 約用助理。

▇ 其他      專案助理                         。

契約性質

▇定期契約：期間自 114 年 11 月 3 日至 114 年 12 月 31 日止，並視實際情況報到開始就業。

□ 不定期契約。

月支薪酬

每月支領新台幣 35,192 (學士)元（含勞、健保個人負擔）。(享勞、健保、勞工退休金、年終獎金等，年資另計。本員額得依據本校【國立雲林科技大學專案工作人員待遇支給標準表】及「高教深耕計畫助理薪資標準討論會會議」決議，用人單位主管或計畫主持人得專簽送本校人力評估小組評估後酌予提升聘任級數。)

工作項目

一、教育部基補二產學型專案教師、工程師、博後等聘任、彙整送審資料，預算運用、請購及核銷等。

二、協助本處高教深耕計畫成果彙整，KPI 指標成果達成、報告彙整及成效系統填報。

三、全校師生技術綜合推廣工作包括產學社群聚落活動、專案家族、點子銀行、類職場建置管理、跨域實作環境(特色空間)技術展示(影片)銜接產學合作推動等高教執行項目開案、執行辦理。

四、執行任務編組專業技術研發與服務中心設置與評鑑及推動事宜(含產學合作委員會議事宜)及技術推廣。

五、本處管理費、結餘款、年度預算(非高教)經費、臨時預算運用及請購、核銷。

六、協助產學處各式計畫、調查資料彙整、團隊交流會議及校內外技術推廣媒合參訪活動及各式接待事務等。

七、其他交辦事項。

資格條件

1.具有大學以上學位。

2.具學籍之學生（含休學）不得應徵，惟應屆畢業生得經用人單位同意准予參與甄選，如經錄取應於到職日前完成學業並繳交畢業證書，否則撤銷其錄取資格。

3.負責盡職能獨立作業，品行端正，具服務熱誠、良好溝通及協調能力 且配合度高，具學校行政工作、設計展示、專案規劃經驗者尤佳。

4.熟悉電腦操作、Office 文書處理及網路整合操作能力。

5.鼓勵身心障礙人士且具相當就業能力者應徵。

評判程序

一、第一階段：「資格審查」，經審查通過後，擇優通知參加第二階段甄選。

二、第二階段：進行「公開面試」。

應徵方式與日期

一、採書面報名，請備妥下列文件並依序排列為一份。

1.專案工作人員應徵報名表。 （請至人事室網頁/表格下載/專案工作人員管理下載最新表格）。

2.個人簡介與自傳(A4紙張直式橫書)。

3.最高學歷證書影本(外國學歷須經本國主管機關之驗證或認證）。

4.身分證正反面影本；大陸地區人民在臺設籍滿10年之證明文件。

5.其他可反映個人工作能力與相關經驗之（證照）文件影本。

二、請於114年10月13日（星期一）前以郵件(郵戳為憑)寄達「64002雲林縣斗六市大學路三段123號國立雲林科技大學產學處」，封面標題書明「應徵產學處產學運籌中心專案助理」，或於公告截止日下班(17:00)前親送需求單位(產學處二樓 AI201室)，面試時間則另行通知。

三、聯絡人：丁小姐(05-5342601轉2745)。

備註

1.本校將依規定查閱應徵人員有無「性侵害犯罪加害人登記資料」。

2.本次甄選之員額如經本校凍結或取銷時，均不予通知進行面試。應徵人員寄送之應徵文件，除聲明協助寄還並自行檢附回郵信封之 外，均不予寄還。

3.除應徵人員提出請求發給未錄取通知外，本次甄選結果將公告於用人單位網頁，概不另行個別通知。若錄取人員為軍公教退休（職、 伍）人員，並依政府相關法令辦理。

4. 錄取人員經用人單位通知報到而無法完成報到者，得取消錄取資格。

5.本次甄選得就甄選人數之二倍列候補人員，在候補有效期間(4個月) 內，遇錄取人員未報到上班或中途離職者，由候補名單中依序遞補。

6.待遇、工作時間及其它管理事項悉依本校相關規定辦理。(另本校均配合政府行政機關辦公日曆表調整放假、補行上班，並依勞動基準 法規定安排出勤。)

7.本校得視收件狀況逕行延長本職缺之公告收件截止日。

8.本公告悉遵循相關法令，無種族、階級、語言、思想、宗教、黨 派、籍貫、出生地、性別、性傾向、年齡、婚姻、容貌、五官、身 心障礙、星座、血型或以往工會會員身分等求職就業歧視內容。

9.本校現職校務基金工作人員應徵本職缺並經通知綠取者，均應於報 到日前請辭現職職缺(結束現職之勞動契約)並依新進人員辦理報到 手續，月支薪酬依本職缺公告辦理起敘。

國立雲林科技大學

專案助理徵才公告（編制外人力）

徵才單位

產學處

員額

    1    名。

職稱

□ 行政助理。 □ 行政助理(職務代理)。 □ 約用助理。

▇ 其他      專案助理                         。

契約性質

▇定期契約：期間自 114 年 10 月 13 日至 114 年 12 月 31 日止，並視實際情況報到開始就業。

□ 不定期契約。

月支薪酬

每月支領新台幣 35,192 (學士)元（含勞、健保個人負擔）。(享勞、健保、勞工退休金、年終獎金等，年資另計。本員額得依據本校【國立雲林科技大學專案工作人員待遇支給標準表】及「高教深耕計畫助理薪資標準討論會會議」決議，用人單位主管或計畫主持人得專簽送本校人力評估小組評估後酌予提升聘任級數。)

工作項目

一、辦理大樓招商管理活化、活動及展示企劃執行、設計行銷推廣、資訊電子化等相關業務。

二、辦理及督導大樓空間租借、進駐、離駐管理、空間資訊更新及門禁、安全系統管理及空間清潔、維護、緊急連絡人等。

三、協助本處校內外產學合作業務與技術推廣媒合活動、各式計畫、團隊交流會議、參訪及各式接待協助辦理。

四、其他臨時交辦事項。

資格條件

1.具有大學以上學位。

2.具學籍之學生（含休學）不得應徵，惟應屆畢業生得經用人單位同意准予參與甄選，如經錄取應於到職日前完成學業並繳交畢業證書，否則撤銷其錄取資格。

3.負責盡職能獨立作業，品行端正，具服務熱誠、良好溝通及協調能力 且配合度高，具學校行政工作、設計展示、專案規劃經驗者尤佳。

4.熟悉電腦操作、Office 文書處理及網路整合操作能力。

5.鼓勵身心障礙人士且具相當就業能力者應徵。

評判程序

一、第一階段：「資格審查」，經審查通過後，擇優通知參加第二階段甄選。

二、第二階段：進行「公開面試」。

應徵方式與日期

一、採書面報名，請備妥下列文件並依序排列為一份。

1.專案工作人員應徵報名表。 （請至人事室網頁/表格下載/專案工作人員管理下載最新表格）。

2.個人簡介與自傳(A4紙張直式橫書)。

3.最高學歷證書影本(外國學歷須經本國主管機關之驗證或認證）。

4.身分證正反面影本；大陸地區人民在臺設籍滿10年之證明文件。

5.其他可反映個人工作能力與相關經驗之（證照）文件影本。

二、請於114年9月25日（週四）前以郵件(郵戳為憑)寄達「64002雲林 縣斗六市大學路三段123號國立雲林科技大學產學處」，封面標題書明「應徵產學處專案助理」，或於公告截止日下班(17:00)前親送需求單位(產學處二樓 AI201室)，面試時間則另行通知。

三、聯絡人：丁小姐(05-5342601轉2745)。

備註

1.本校將依規定查閱應徵人員有無「性侵害犯罪加害人登記資料」。

2.本次甄選之員額如經本校凍結或取銷時，均不予通知進行面試。應徵人員寄送之應徵文件，除聲明協助寄還並自行檢附回郵信封之 外，均不予寄還。

3.除應徵人員提出請求發給未錄取通知外，本次甄選結果將公告於用人單位網頁，概不另行個別通知。若錄取人員為軍公教退休（職、 伍）人員，並依政府相關法令辦理。

4. 錄取人員經用人單位通知報到而無法完成報到者，得取消錄取資格。

5.本次甄選得就甄選人數之二倍列候補人員，在候補有效期間(4個月) 內，遇錄取人員未報到上班或中途離職者，由候補名單中依序遞補。

6.待遇、工作時間及其它管理事項悉依本校相關規定辦理。(另本校均配合政府行政機關辦公日曆表調整放假、補行上班，並依勞動基準 法規定安排出勤。)

7.本校得視收件狀況逕行延長本職缺之公告收件截止日。

8.本公告悉遵循相關法令，無種族、階級、語言、思想、宗教、黨 派、籍貫、出生地、性別、性傾向、年齡、婚姻、容貌、五官、身 心障礙、星座、血型或以往工會會員身分等求職就業歧視內容。

9.本校現職校務基金工作人員應徵本職缺並經通知綠取者，均應於報 到日前請辭現職職缺(結束現職之勞動契約)並依新進人員辦理報到 手續，月支薪酬依本職缺公告辦理起敘。

AI時代技術－人工智慧輔助醫療影像判讀於偏鄉與都市醫院成本管理之應用與挑戰

●技術簡介：

近年來，為了節省醫院的成本，成本管理已經成為一個重要之議題。在偏鄉地區，由於電腦斷層掃描（CT）之高昂設備成本，因此阻礙了CT在偏鄉地區之普及率。此外，在市區醫院，雖然有CT可以進行更全面的檢查，但是CT影像需要經驗豐富的影像醫學科醫師進行解讀。在一些地區或情況中，由於人員或成本不足之問題，導致影像解讀之延遲。最後，解讀影像過程不僅花費大量時間成本，也會受到影像醫學科醫師之主觀判斷。因此，解讀之結果可能存在一定程度的變異性。有鑑於此，本研究團隊與嘉義基督教醫院（以下簡稱嘉基）之醫療團隊共同合作，由嘉基提供本研究所需之影像數據，進行X光片影像之三種結石偵測與斷層掃瞄影像之肺部病變偵測之研究。此研究成果獲得［2025年第十八屆台灣管理學會論文大賞：AI應用論文競賽］之優等論文獎。未來，研究成果將陸續開發成結石偵測系統與肺部病變百分比估算系統以協助醫療人員提升結石偵測與肺部病變百分比評估之準確率。

●技術團隊：施柏州（撰稿人）、何承恩、陳界壬，工業工程與管理系
●相關產業：醫療院所。

►(圖一)結石偵測

►(圖二)肺部病變偵測

►(圖三)崇越論文競賽頒獎典禮

AI時代技術－智慧腦齡監測助力失智症早期篩檢

●技術簡介：

全球高齡化使失智症成為嚴峻的挑戰，現有治療常在腦部已發生不可逆損傷後才介入。醫學研究證實，大腦的結構性病變遠早於臨床症狀出現，因此開發一項能捕捉早期微小變化的客觀生物標記，是預防與延緩疾病的關鍵。因此透過深度學習分析大腦MRI影像，建立精準腦齡預測系統，以提供早期健康警訊。
核心功能是利用創新的3D卷積神經網路（3D CNN）模型，並整合來自不同資料庫、涵蓋6至90歲的2,555名受試者數據進行訓練。本系統提出的架構(圖一)能同時分析大腦的灰質與白質特徵，並透過注意力機制強化關鍵資訊，最終達成了3.37歲的平均絕對誤差，表示模型預測的腦齡與實際年齡平均相差約3.37歲。例如，若受試者的實際年齡是50歲，本系統平均可能會預測為46.6至53.4歲之間，這數值越小，代表預測的精準度越高。

本研究開發了一套整合式圖形化使用者介面(圖二)，此系統可讓臨床醫師無需複雜的技術背景，即可快速獲得腦齡分析結果(圖三)，此視覺化結果透過Grad-CAM呈現，用以揭示模型在預測時所依據的關鍵腦區。圖中紅色至黃色代表模型高度關注的區域，臨床醫師可藉此直觀地判斷模型是否聚焦於與老化及神經退化相關的重要結構，例如本研究發現模型主要關注胼胝體。因此，這份報告不僅提升了AI模型的可解釋性與可信度，更能作為客觀的輔助資訊，輔助醫師更精準地評估個案的神經退化風險。

●技術團隊：電機工程系 葉鎗銘、指導教授：張廷安教授（撰稿人）
●相關產業：本技術可應用於多項醫療與健康照護相關產業，包括臨床神經醫學、老年醫學、醫學影像判讀與AI醫療軟體開發等領域。

►(圖一)腦影像分析流程，分別將灰質與白質影像提取特徵後，在中間階段融合處理，再進一步分析，以預測腦部健康情形

►(圖二)使用者介面

►(圖三)腦齡分析結果

AI時代技術－使用特徵提取和選擇增強鋰離子電池健康狀態評估技術

●技術簡介：

隨著科技巨頭持續釋出創新的 AI 應用技術，不僅讓使用成本逐漸下降，加上開放式的 AI應用 生態圈，未來人們將能輕鬆運用相關技術。當然在這股浪潮同樣將推動了電動車與電池產業的發展，其中「如何精準掌握電池健康狀態（State of Health, SOH）」成為電池管理系統（BMS）的關鍵議題。
本研究中可透過對恆流-恆壓充電曲線進行統計特徵萃取，並從電壓與電流數據中建立多項健康指標，再結合機器學習模型進行訓練與最佳化，不僅能有效提升 SOH 評估準確度，更能顯著降低模型誤差。研究顯示，這種方法在誤差改善幅度上甚至超越傳統與深度學習演算法，如均方根誤差與平均絕對誤差分別下降逾 12% 與 15%，提升效果高達一倍以上。
對電池產業而言，這項成果具有深遠意義：一方面可降低演算法的計算複雜度，提升 BMS 的即時判斷與應用效能；另一方面，藉由更精準的 SOH 預測，不僅能延長電池壽命，更能確保電動車與儲能系統等應用場域的安全性與可靠性。未來，透過產學合作導入 AI 驅動的特徵工程與智慧選取策略，將有助於打造新一代高效、智能的電池管理方案，加速電池產業邁向智慧化與永續化的未來。

本研究開發了一套結合機器學習的估測系統，用於提升電池健康狀態（SOH）之預測精度與計算效率。在實驗結果中，右圖展示了多種方法的預測值與實際值之比較，包含倒傳播神經網路（Backpropagation Neural Network, BPNN）、Regression Trees、Ridge、Lasso 與 Elastic Net 等模型。值得注意的是，機器學習迴歸技術不僅能提供預測結果，亦能產出特徵重要性指標，有助於後續的特徵分析與萃取。圖中紅色虛線代表實際值，而藍色點則為模型預測值。左圖則顯示了「選定特徵」與「使用全部特徵」的最佳模型之對比結果。圖中紅色虛線為實際值，藍色與橘色點則代表不同模型的預測值。對比結果清楚顯示，適當的特徵選擇不僅能有效提升模型的預測精度，同時也能降低計算複雜度，進一步驗證了本技術在電池健康狀態評估上的實用性與可靠性。

●技術團隊：電機工程系 劉俊良教授
●相關產業：本技術可廣泛應用於電池管理系統（BMS）與儲能系統，並可望對消費性電子產品、電動車、再生能源以及智慧機器人等產業帶來顯著助益。

 ►(圖一)選定特徵和使用所有特徵的最佳表現模型的預測與實際圖

 ►(圖二)多種機器學習方法的預測與實際圖

AI時代技術－基於邊緣運算的農田病蟲害監測智慧電池設計系統

●技術簡介：

這隨著人工智慧（AI）與物聯網（IoT）持續擴展應用場域，如何在低功耗、長時間運行的環境中維持高效能運算，成為智慧農業與綠能科技的重要挑戰。
本研究提出一種整合太陽能、電池與超級電容之智能電池設計與能量管理系統，用於支援邊緣運算（Edge Computing）的農田害蟲監測。圖1為系統架構利用太陽能作為能源來源，透過電池與超級電容的協同儲能，實現持續穩定的電力供應，並支援在戶外長時間運行的 AI 裝置。研究中，Raspberry Pi 作為運算核心，結合 YOLOv5 演算法進行害蟲影像辨識，並透過 StyleGAN3 進行數據增強，使得小樣本數據環境下的辨識準確度提升至 85.4%。結果顯示，本系統能在不穩定的戶外環境下長期穩定運作，並將數據即時回傳伺服器，提供無人機規劃精準農藥噴灑路徑的依據。在能量管理方面，本研究的電池管理策略可精準掌握電池健康狀態（State of Health, SOH），藉由對充放電曲線進行特徵萃取並結合機器學習模型，不僅能降低演算法的計算複雜度，更能有效提升 SOH 預測準確度。研究結果顯示，所提出的方法在均方根誤差（RMSE）與平均絕對誤差（MAE）上分別降低 12% 與 15% 以上，優於傳統與部分深度學習方法，顯著增進了 BMS 的即時性與可靠性。此成果同時在兩個層面展現其價值 :
• 智慧農業應用：透過 AI 影像辨識與智能電池管理，農民可免於繁瑣的人工陷阱統計，並藉由無人機自動化規劃，實現農藥使用量減少 30–50%，進而降低高達 56% 的作物成本。
• 電池產業推進：精準 SOH 評估使得儲能系統與 BMS 更為高效，不僅延長電池壽命，也確保應用場域（如儲能系統與農業設備）的安全性與可靠性。

●技術團隊：電機工程系 洪崇文教授、劉俊良教授（撰稿人）
●相關產業：此技術結合 AI 影像辨識、IoT、電池管理系統（BMS）與智慧儲能，具備跨領域應用潛力。
智慧農業：自動化害蟲監測與數據回傳、無人機結合 AI 進行精準農藥噴灑、減少農藥使用與人力成本，提升農作物產量與品質
電池與能源產業：電池健康狀態（SOH）精準預測提升儲能系統與 BMS 效能，降低能量損耗適用於太陽能、風能等再生能源系統。

 ►(圖一)系統架構。識別節點採用太陽能供電，進行影像拍攝與辨識