適用於全異質數據形態之聯邦遷移學習應用於工業物聯網之入侵偵測系統
適用於工業物聯網(Industrial Internet of Things, IIoT)環境中，其中可能包括來自不同設備、傳感器或系統的數據 ，建構成全異質之數據環境。
聯邦學習(Federated Learning, FL)通過在本地設備上進行模型訓練，然後將更新後的模型參數匯總到中央伺服器上，從而保護了用戶數據的隱私．
實驗室提出之架構能提升在分佈式數據上的深度學習模型性能。由於這些工業物聯網資料集具有完全不同的特徵(Features)項目、數量與入侵攻擊樣本 。
能有效提升全局模型的辨識能力，無需使用GAN等技術，能有效的達成知識分享。
透過提前停止(Early Stop)的機制，當全局模型的準確率達到設定的目標便提前停止訓練，以減少訓練時間以及資源消耗。
高速精準車牌辨識系統
結合深度學習，實現具車種辨識、車牌辨識以將車牌辨識之準確率大幅提升。
搭配同步高功率紅外線照明燈，在夜間也能持續不中斷進行車牌辨識。
高速車牌辨識能力，根據實際佈建測試，能在120時速下進行精準辨識。
自車輛經過後到辨識車種與車牌僅需約20秒，並可以Line即時以擷取影像通知．
最小化攝影系統傳輸要求，經實際測試本系統僅需1600x1200 30fps即可符合高速辨識之要求，可使用4G/LTE作為數據傳輸之骨幹，大幅降低佈建成本．
LPWAN 之具跳頻、封包優先排程及多跳低延時傳輸之工業無線感測節點
結合具LPWAN 與MESH，實現具跳頻、封包優先排程及多跳低延時傳輸之工業無線感測節點。
搭配TSCH(Time Slotted Channel Hopping)能根據背景環境自動選擇適合的頻道傳送，大幅提升系統可靠性。
搭配研發成果能根據多跳網路拓樸與封包優先權，自動選擇緊急低延時與一般回報傳輸。
傳輸距離根據傳輸數據量，單一跳數能達10~15公里(視佈建環境)，如配置功率放大器可高達20公里。
經由RPL路由協定，可進行多跳、跳頻與QoS排程傳輸。
可依需求搭配無線加密。
可搭配 4G LTE / NB-IoT Gateway。
低耗電量，適用於長時間監控，並可搭配小型太陽能達到自主供電。
遠距離河道沖刷監控粒子系統
可進行河道流速測量。
可進行河床沖刷監測。
傳輸距離10公里。
具低耗電量，可長時間監控。