隨著人口逐漸老化，居家照護成為人人面臨的課題，在醫護比過低情況下，無論是醫院內或外延照護機構，醫護都面臨人力不足的挑戰，艾歐資訊提出「AU照護辨識服務系統」，希望透過AI人工智慧、搭配3D成像感測技術提升醫療完善率。 艾歐資訊提出「AI照護辨識服務系統」，採用非接觸式3D成像感測技術，能即時偵測病患離床動態與生理數據，將能大幅提升醫療完善率。nbsp 「AI照護辨識服務系統」導入飛時測距（ToF）與雷達毫米波（mmWave Radar）感測技術，搭配點雲與mmWave深度學習分析AI演算法，能大幅強化電腦視覺與圖像處理辨識能力。nbsp 保護個人隱私 精準掌握病患入院狀態 艾歐資訊日前在AI HUB大會展示「AI照護辨識服務系統」，藉由飛時測距（ToF）、雷達毫米波（mmWave Radar）hellip等感測技術，搭配點雲與mmWave深度學習分析的AI演算法，能大幅強化電腦視覺與圖像處理辨識力；且最特別的是，相較於傳統攝像器容易產生個人隱私疑慮，「AI照護辨識服務系統」搭配非接觸式的3D成像感測技術，能針對離床追蹤與生理數據偵測與巡視，並即時對使用者通報。「AI照護辨識服務系統」同時具備長距離、多目標、高準度、連續性與持續性hellip等多項優勢，且能在保護個人隱私的條件下，精準掌握病患入院時各種狀態。 透過3D成像感測技術，當偵測到畫面中像是跌倒、顫抖hellip等可能引發危險的異常動作，能在3秒內即時反映給專人或醫護站，降低病患猝死機率。nbsp 「AI照護辨識服務系統」同時也能量測心跳、呼吸hellip等生理數據，並透過AI演算法推斷猝死機率。nbsp 3D成像感測技術 即時反映病人緊急狀況 那麼實際運作起來如何呢假使病患離床後，在無人看護下不小心跌倒，過去只能在原地被動待援，但若是採用「AU照護辨識服務系統」，透過3D成像感測技術，當偵測到畫面中諸如跌倒、顫抖hellip等可能引發危險的異常動作，能在3秒內即時反映該事件給專人或醫護站，如此能降低病患猝死機率20；同時能量測心跳、呼吸hellip等生理數據，並透過AI演算法推斷是否有猝死可能，能降低40以上的死亡比例。不僅如此，該套系統還能同時判斷多位病患、嬰兒與長者，提升及時照護效率20以上，如此能減低醫護人員沉重的負擔。 透過智慧監測介面，能清楚顯示大樓病房或樓梯間即時狀況，以淺顯易懂的圖示幫助醫護人員立刻掌握狀況。nbsp 當今全球皆面臨因高齡化與慢性病所衍生醫護照顧成本居高不下的困境，「AU照護辨識服務系統」能有效解決醫護不足的痛點，若以衛福部去年公布的醫療院所與照護機構病床數來看，假使「AU照護辨識服務系統」列為標配，光是台灣的醫療照護機構市場規模就高達150億元。目前艾歐資訊也積極與政府、各大專院校、非營利組織合作，希望能為醫療照護盡一份心力。

對許多球團專業訓練員來說，過去若想紀錄選手訓練狀況，都只能以土法煉鋼的人力紀錄，不過若在球具上裝感應器，搭配對應的AI人工智慧設備，就能以數據的方式輕鬆紀錄選手訓練狀況。 海量數位工程發表napa智能羽球拍，將原本抽象的運動行為數字化，有助於運動員訓練找到正確方向。nbsp 海量數位工程簡介 成立於2000年的海量數位工程，旗下以ERP、工業40、財務大數據hellip等資料分析採勘為主要研發項目，能應用在化工、運動器材、汽車零組件hellip等製造業、各種零售業與流通行業，提供系統開發、客製、安裝與整合等服務，協助企業改善營運效能。海量數位工程特別擅長雲端大數據領域，運用上市櫃的財務開放資料庫，可分析設計多達92項與財務有關的評價基準，提供企業作為改善經營體質的檢驗標準；另外，因應工業40智能製造趨勢需求，海量數位工程也持續發展全新智慧化技術，希望強化生產效能同時，也能達到降低成本與污染的目標。 napa智能羽球握把鑲嵌高性能感測器，會自動把收集來的數據，透過AI人工智慧演算把分析過的資料傳到APP上。nbsp 海量數位工程於 AI HUB 大會展示 napa智能羽球拍 日前海量數位工程在AI HUB大會亮相研發多年的napa智能羽球拍，將原本抽象、難以量化的運動行為數字化，能應用在各式各樣運動競技場合，不僅有助於教練團訓練，更能夠幫助運動員訓練上找到正確方向；至於休閒娛樂部份，napa智能羽球拍還能打傳統球場打造成智能球場，搭配球場兩側的即時訊息看板，對打時除了顯示比分，還能讓選手即時掌握各種揮拍數據，大幅增加打球的趣味與互動性。擁有資料分析採勘多年經驗，讓人好奇海量數位工程為何跨足運動領域其實背後有一段故事，海量數位工程長期為知名運動品牌維爾勝（WILSON）代工，加上自家生產的Napa羽球拍產品擁有好口碑，對於羽球相關用品研發有相當熟悉度，因此希望從最基本的球拍實體產品為出發點，把多年AI研發經驗導入球拍裡，才有了napa智能羽球拍計劃。 球拍上的感應器會紀錄包括球速、姿勢、消耗、姿勢、擊球力道hellip等所有揮拍動作，且透過APP還可查3D揮拍軌跡。nbsp 不過napa智能羽球拍要怎麼玩呢它的原理是這樣，透過鑲嵌在球拍握把的感測器，感測器會自動收集數據，透過AI人工智慧演算把資料連接雲端大數據，當與智慧型手機連上，就能透過APP查看各種運動紀錄，球拍上的感應器會紀錄使用者每一次揮拍速度、球速、姿勢、消耗、姿勢、擊球力道與3D揮拍軌跡；若搭配戴在同一隻手上的智能手環，還能同時偵測心跳與血壓，接著再透過各種大數據應用，提供使用者專屬的科學化運動建議。舉例來說，有些人揮拍動作太大，雖然力道夠但方向不對，或揮拍時過度施力，但當擊球時反而沒力，這些訓練過程容易碰到的矯正問題，都能透過napa智能羽球系統有效改善。 除了napa智能羽球拍，其實napa智能系統也能應用在棒球，把感應器裝在球棒握把，揮棒瞬間就能紀錄運動軌跡。nbsp 智慧運動應用場景 napa智能羽球主要TA為球場（選手）與教練（訓練員），當然對於想進行自主訓練的一般人也適合。除了羽球場，其實napa智能系統也能應用在其他球類，例如棒球原理就大同小異，同樣把感應器隱藏在球棒握把，揮棒瞬間就能紀錄軌跡，讓打者能更精確掌握擊球位置與發力點；或應用其他更專業的訓練，舉重選手許淑淨拿下兩屆奧運金牌，讓舉重逐漸受到國人重視，但傳統大多以口頭方式訓練，例如告知選手向前或往後施多少力，但這樣的形容實在太抽象，如果能把napa智能系統結合到舉重，例如在矽膠手套裡裝微型感測器，透過APP數據就能清楚掌握直上直下的動作軌跡，配合系統數據化讓調整動作更加精確。 海量數位工程積極與各大羽球場合作，希望透過napa智能羽球拍，把傳統球場升級成智能球場。 海量數位工程日前已與各大羽球場展開合作，希望搭配napa智能羽球拍，把傳統球場升級成智能球場，也希望持續透過運動社群、運動電競化、體驗式行銷hellip等方式推廣，透過更多元的應用顛覆現行運動領域

AI 臉部辨識成為近幾年超夯議題，也如雨後春筍在各領域廣泛應用，訊連科技 FaceMe 臉部辨識引擎，採用深度神經網路學習演算法，不光性別和年齡、就連情緒也能完整偵測 訊連科技日前在 AI HUB 大會展示 FaceMe 臉部辨識引擎，最大特點為採以深度類神經網路學習演算法打造，可針對人臉精確定位多達 106 個特徵點。nbsp 訊連科技於 AI HUB 大會展示 FaceMe 臉部辨識引擎 訊連科技長年對於研發人工智慧臉部識別與面部屬性技術不遺餘力，日前在 AI HUB 大會秀出 FaceMe 臉部辨識引擎。FaceMe 最大特點為，採深度類神經網路學習演算法打造，可針對人臉精確定位多達106個特徵點，方便開發者建構動態 3D臉部模型，擁有高達995正確辨識率、低於104的認錯率，搭配軟體開發套件SDK，讓系統整合商與解決方案開發商依據需求，將高精確度的臉部辨識技術整合至各式產品與服務中。 FaceMe 臉部辨識引擎擁有 995 正確辨識率。nbsp FaceMe 臉部辨識引擎有多厲害不光基本的性別與年齡，就連很抽象的情緒也能測出來。日前訊連科技在 AI HUB 大會展示FaceMe 臉部辨識技術，畫面中可見到在人來人往的展場裡，FaceMe 人臉辨識速度相當快，當人進入攝影機範圍內，幾乎能在第一時間擷取分析年齡、性別、膚色、頭部動作hellip等臉部屬性，甚至能從面部細微變化，計算出驚訝、快樂、生氣、難過hellip等情緒指數。 FaceMe 臉部辨識引擎可偵測面部細微變化，計算出驚訝、快樂、生氣、難過hellip等情緒指數。 FaceMe 臉部辨識技術應用場景 那麼 FaceMe 臉部辨識技術能如何應用試著想像警方追補犯人的情境，如果將追查範圍鎖定在某車站大廳，便可使用 FaceMe 臉部辨識引擎偵測車站每一張人臉，再根據臉部偵測結果，快速與人臉資料庫進行特徵與身分比對，同時觀察情緒指數起伏變化，推敲出可能的犯人。 FaceMe 臉部辨識引擎提供多種人臉防偽機制，可針對主流行動裝置內建攝影鏡頭，防止利用照片或臉部動態影片破解門禁系統的情況。nbsp 值得一提的是，FaceMe AI 臉部辨識引擎與iOS、Linux、Windows、Androidhellip等主流平台皆相容，從功能齊全的工作站、到小型的低功耗設備皆適用，兼具高精準與即時性優勢，舉凡智慧零售、智慧金融、智慧安控、公共安全、智慧家庭hellip等情境皆能勝任，包山包海的 AIoT應用令人期待。

試著想像，未來世界所有店家都沒有店員，全部以智慧化設備代替，選完商品只要放到桌上，交給聰明的智慧自助結帳系統即可，讓購物過程變得輕鬆又便利。這畫面並非遙不可及，其實無人商店計劃早在台灣出現，例如最近全家便利商店砸下千萬元，打造科技概念2號店，透過人機協作，搭配引進最新科技設施，希望能分擔店員的工作勞務，創博科技希望將類似概念導入無人商店，讓消費者結帳時變得更簡單輕鬆。 創博科技提出智慧自助結帳系統，希望將此技術導入無人商店，讓消費者結帳時更輕鬆。 致力於智慧零售方案 提升消費者科技體驗 創博（NexCOBOT）為工業電腦新漢旗下子公司，主要專注在自主研發六軸自由度機器人，以及提出智慧零售解決方案。近幾年物聯網概念興起，實體店家與虛擬商務界限不再那麼明確，創博認為構成物聯網商務的三大基礎，包括有智慧零售、智慧物流與基於雲端的即時管理系統，而長久以來，創博也致力於智慧零售方案，以解決各大業主痛點出發，同時也考慮到提升消費者科技體驗，希望開創出不同以往的創新應用。 當要結帳時，只要把商品放在桌上，掃瞄器就進行影像辨識，接著螢幕裡就會顯示品項與金額。nbsp 那麼，創博提出的智慧自助結帳系統如何運作呢當要結帳時，只要把購物車的商品擺在桌上，上方掃瞄器就進行影像辨識，接著螢幕裡會顯示品項種類與金額，最後再使用卡片、手機等支付載具結帳即可，甚至可搭配人臉辨識系統，讓顧客透過臉部掃瞄就能付款，不必像過去要自己拿條碼機刷半天，也節省顧客排隊等待的麻煩。此外，店家也能透過後台分析來客資料與熱賣商品。 由於要精準掃瞄影像，因此要事先建立詳細的商品資料庫，店家也能透過後台分析來客資料與熱賣商品。nbsp 建立商品資料庫 掌握商品資訊 由於必須精準掃瞄影像，因此所有商品要事先建立資料庫，甚至可能要掃瞄像是餅乾盒、飲料罐hellip商品3D圖，資料庫內容愈詳細，就能提高結帳效率與後台分析。但由於桌面空間有限，也不太可能掃瞄體積太大的商品，初期應該會以形體易於辨識（例如麵包店）的商品為主。不僅如此，創博提供智慧貨架、智慧自助點餐系統、智慧自助結帳系統、智慧營銷儀表版hellip等模組化解決方案，這些內容都可以依業主實際需求量身訂作，甚至要與銷售點（POS）、企業資源規劃（ERP）、消費者聯繫管理（CRM）、數字標識hellip等現有系統整合也沒問題。 除了使用支付載具，甚至還可搭配人臉辨識系統，讓顧客透過臉部掃瞄就能付款，不必像過去要手拿條碼機刷半天。nbsp

靠著九種感知器偵測水質、以及監控養殖物生長狀況和漁民行為決策，「智慧農漁業數位分身」人工智慧解決方案，可以大幅增加產量至 300。「開心農場」式的高科技整合的解決方案，可以讓新手也快速上手，農漁業可以大幅降低對於經驗的倚賴，增加年輕人回鄉加入農漁業的誘因。 曾經有一段時間，FB遊戲剛剛開始流行的時候，因為「開心農場」這個熱門遊戲，可以說是人人皆農夫。上班族中午休息時間一一拿出手機，開始了手機上的快樂農夫生活。有些人還調皮，上班時間偷偷連上 FB ，偷了同事的菜。由於這個遊戲實在太療癒，有些人還真的就踏入真正的農田，當個小小的假日農夫。如果說，「開心農場」真實存在，你相信嗎由資策會服創所領頭開發的「數位分身」-「智慧溫室」以及「智慧養殖場」解決方案，就是貨真價實存在的「開心農場」、「開心水族箱」。 在這裡，基於 IoT 的 9 大感知器，會持續監測水質等作物 養殖物生長環境的「設施因子」，並且透過控制盒上傳雲端。而雲端中的 AI 機器人會在系統內持續模擬出一個數位的分身，在收到外部的水溫、溶氧量等等「設施因子」、以及持續蒐集作物 養殖物生長狀況的「生長因子」，雲端系統裡面創造出一個模擬的養殖漁民的「數位分身」，AI 機器人也會按照過往漁民的成功策略來運算出合適的「行為決策」。 在含氧量低、水溫超標等等情況下， AI 會建議你開水車、開增氧機，或是用藥等等行為決策，漁民則可以考慮自己的經驗或是知識，再判斷是否要採用。事後，系統也會比較判斷結果，漁民也可以就結果來判斷，究竟是真人的決策比較厲害，還是「數位分身」的行為決策比較厲害。 除此之外，智慧農業的數位分身AI ，在背景也是 24 小時運作不打烊，它默默的紀錄並且分析養殖漁民在智慧養殖場中針對各種「設施因子」以及「生長因子」的對應「行為決策」，由此慢慢的建立起養殖策略的最佳解模型。慢慢的， AI 像是個小學徒，在漁民身邊默默的學習這些「隱性知識」，使得這些知識不會因為漁民退休而失傳。 不僅如此，除了「種魚」還可以利用同樣的技術方案去「種菜」，這些最佳化養殖 種植模型可以成為珍貴的資料庫，即使是剛入行的新手，也可以跳過摸索的過程，直接成為大師。 三難一貴，是目前最大的挑戰：人力不足、老年化、經驗失傳三大難，新科技導入貴 台灣農業技術、養殖技術都聞名全球，然而小農結構普遍都有人力不足、老年化的趨勢，數位轉型勢在必行。然而，要導入新技術的成本，是 80 的小農小漁都負擔不起的。由於環境因素有太多不確定因素，如氣候的變遷、水質變化等等，都高度倚賴經驗來處理。因此，最嚴峻的挑戰，來自於農漁民退休而年輕農漁民又不及接班，多年的經驗因無法傳承而失傳。 智慧農漁業數位分身，持續最佳化不停機 「數位分身」是一個結合 AI 人工智慧，與 HI 工匠智慧的新興技術，國際研究機構 Gartner 連續三年將其評為全球未來關鍵十大技術之一。經濟部技術處在 2016 年就開始布局數位分身的研發，認為領域產業除了自動化效率之外，同時也需要將各產業的經驗技藝數位保存下來，建構 AI 與 HI 交互學習與最佳化的人機協同技術。以水產養殖這個領域來說，透過「魚電共生魚塭」的 AIoT （人工智慧物聯網 Artificial Internet of Things）的「數位分身」，將漁民的種種隱性知識數位化。利用各種水質數據所建構出的「設施因子」、魚、蝦體影像的影像資料、病徵影像等等的「生長因子」各種數位資料的分析，加上養殖漁民的「行為決策」來訓練 AI 人工智慧，可以得出水質管理、水產生長管理、水產疾病管理等等最佳化模型。 「魚電共生魚塭」的 AIoT （人工智慧物聯網 Artificial Internet of Things）的「數位分身」，將漁民的種種隱性知識數位化。（示意圖來源：台鹽綠能股份有限公司委託三奕設計顧問有限公司設計） 將這些 AI 管理模型組合起來，就成為了高存活率、高換肉率的智慧養殖解決方案。養殖的整個過程都有數位化的監控資料、品質可分析、而且產銷履歷甚至可以回溯至養殖初期，藉以大幅提升水產品質、價值以及產量。 雖然前景看好，但是仍然有著重重挑戰 資策會服創所與「數位分身」的緣份，是由 2018 年時經濟部技術處支持的前瞻科技專案開始。當時技術處認為各領域產業除了自動化效率之外，也需數位保存領域產業的工藝知識，用以建構 AI 與 HI 交互學習與最佳化的人機協同技術。 後來，行政院農委會農業試驗所接續支持「數位分身」在智慧農業當中的應用。「數位分身技術應用在農業，協助小農經驗數位化積累，並透過群體經驗與人工智慧交互作用，精進農業技藝，解決農業智慧化最大挑戰」。在農業場域當中的「智慧農業數位分身技術」，在產品化之後預期可以提高生產效率 30 ，可以說是前景相當看好。 邱璟明組長：「厲害的漁民所作的行為決策，以結果論，硬是要比一般的漁民還要強三倍。」nbsp nbsp Digital Twin Aqua-Solution 後來，與科技養殖產業業者合作，共同獲得經濟部工業局的業界計畫支持，資策會服創所才將數位分身的技術應用在「智慧漁塭」的場域當中。負責養殖漁業的場域應用團隊指出，「在養殖漁塭當中，漁民在面對各種環境改變時的行為決策，往往是不同的。其中，厲害的漁民所作的行為決策，以結果論，硬是要比一般的漁民還要強三倍，例如白蝦的存活率，一般的平均是 10 左右，有些漁民就是可以獲得 30 的高水準產量。如此一來，生產成本降低，賺的錢也是原本的三倍。 數位分身的技術，就是可以將這些達人的隱性知識傳承下來，最終推動整個產業的升級。」 9大感知器、魚體影像以及漁民行為決策組合而成的「數位分身」 為了取得各種養殖場的環境數據，服創所採用了包括了有溶氧、水溫、酸鹼度、鹽度、濁度、氨氮、硝酸鹽、葉綠素 a、ORP Oxidation-Reduction Potential氧化還原電位等九大感知器來監控水質，這些又被稱為「設施因子」。 另外，漁民也會定期把魚、蝦從池中撈上來，或是透過沉水攝影機拍攝水下的養殖物影像。藉以得知目前養殖物的大小，來了解生長狀況，這又被稱為「成長因子」。 「設施因子」、「成長因子」再加上漁民在不同情境下會採取的「行為決策」，就可以在雲端伺服器裡面創造一個虛擬的「數位分身」。（示意圖來源：台鹽綠能股份有限公司委託三奕設計顧問有限公司設計）nbsp 有了這兩個因子，在加上漁民在不同情境下會採取的「行為決策」，就可以在雲端伺服器裡面創造一個虛擬的「數位分身」。 在這個好像遊戲一樣的「數位分身」中，我們可以盡情的模擬，藉以找尋不同「設施因子」下，最佳的「行為決策」，藉以取得最佳化的「成長因子」。 換一個比較容易理解的說法，各位讀者不妨想像我們現在有個「開心漁塭」遊戲軟體。其中，漁塭的各種環境參數，都是由真實情況所記錄下來的。我們也紀錄下每個「開心漁塭」玩家在不同環境參數下所做出的行為決策以及最終的成果。當紀錄下來的資料組數量夠多，得到 ML 機器學習（ Machine Learning）而來的魚塭數位分身模型，再經由即時數據進行模擬，就可以找出各種最佳化組合。而這個模擬世界，就是「開心漁塭」的「數位分身」。 感知器容易損壞，如何解決 然而，研發的過程總是有些挑戰。例如水下的感知器如水溫和溶氧感知器，經常由於藻類增生而損壞。水下紀錄魚體大小的攝影機，也經常因為池底泥沙或藻類污染而模糊不清，無法辨識。 為了克服這些感知器的損壞問題，有兩個方案，一是定期從池中打水上來經過感知器來偵測，二是將感知器製作成一個盒子，每天定期泡入養殖池當中用以偵測水質。 至於魚體和蝦體的生長狀況，只需要漁民每日定期打撈上來拍照量測即可。成本低而且有效。 服創所的邱組長說：「這些感知器的損壞問題，是個成本問題，雖然說帶來的效益很高，但是若成本太高，漁民不願意採納也失去意義了。我們目前正在研發 9 合 1 的水質偵測盒子，成功整合完成之後，就可以準備量產，並且以銷售盒子加上連線月租費的方式來商業運作。我們目前已經非常接近完成整合，非常歡迎廠商來洽談合作」 漁民行為決策難以紀錄的困難 另外一個挑戰來自於漁民，部份漁民會自覺的紀錄每天觀察的水質以及環境指標，並且紀錄自己的操作策略和結果。但是，並不是每個漁民都會這樣操作，這時候，就需要引進 AI 人工智慧當中相當重要的 GAN （Generative adversarial network 生成對抗網路）技術。 GAN 會依據過去的資料，生成漁民的可能策略，也就是「猜」漁民的決策，用以補足漁民沒有輸入的行為決策。若是事後得到漁民補完，也不影響訓練資料集。 得獎技術量產化之後， 300的生產效率不再是遙不可及 「數位分身」技術目前全球應用案例多運用於航太、製造業，目前只有台灣與荷蘭率先投入數位分身在智慧農業的研發。因此，「智慧農業數位分身」獲美國 RampD全球百大科技研發獎也是國內技術領先的證明。目前正在完成整合的水質監控盒以及整套解決方案，在產品化後預期提高生產效率 300。 未來「數位分身」技術不只是可以應用於農業和養殖漁業當中，還可以擴展至原本仰賴「隱性知識」的產業當中，如製茶、漁業等等。由於全程數據化，品質不再是靠著經驗以及「看天吃飯」。藉此，可以提高農民的「智慧化監控」和「精準化生產」科技層次，除了提昇傳統農漁業的生產力，也很有機會達成永續經營，促成整個產業升級，提昇年輕人回鄉參與農漁業的誘因。 參考資料：智慧製造的關鍵拼圖加速「數位分身」實現的創新感測技術-數位時代