Embedded Files
實驗室簡介
指導老師: 沈志雄教授
實驗室有大學部專題生六名、研究生六名、在職研究生八名與博士班三名。
研究方向分別有微機電感測元件、感測電路、感測積體電路與人工智慧於光機電系統的應用。
微機電技術
微機電技術
CMOS（Complementary Metal-Oxide-Semiconductor）技術在微機電系統（Microelectromechanical Systems，MEMS）領域的應用具有重要性。CMOS技術是一種積體電路半導體製造技術，在半導體晶片上結合機械結構和電子電路，實現了微機電元件的製造和積體化。
本實驗室長期發展於CMOS技術提供了微機電系統的積體化和製造的優勢。傳統的MEMS元件通常需要使用獨立的製程和封裝，而CMOS技術能夠將微機電元件和電子電路一起製造整合在同一個晶片上，實現高度積體化。本實驗室發展不同類型的微機電元件，如加速度計、壓力傳感器、氣體感測器與紅外線熱輻射晶片等。
CMOS技術的穩定性和可靠性使得微機電系統在各種應用中能夠得到廣泛使用，如汽車、醫療、通信等領域。此外，CMOS技術還提供了豐富的積體電子電路和數位訊號處理能力。微機電系統不僅需要機械結構的感測和控制，還需要電子電路的信號處理和控制。
研究與學習: TSMC 半導體製程、COMSOL模擬設計、LabVIEW與感測電路讀取
研究與學習: TSMC 半導體製程、COMSOL模擬設計、LabVIEW與感測電路讀取
1D-CNN 深度學習於血氧濃度量測與應用
1D-CNN 深度學習於血氧濃度量測與應用
在人類醫學中，脈搏血氧飽和度 (SpO2) 測定一直在診斷症狀中發揮重要作用。不同濃度的氧合血紅蛋白具有不同的光譜吸收曲線。有鑑於傳統SpO2測量由於波長數量和演算法存在一定誤差，本研究試圖對傳統SpO2測量方法進行改進。因此，我們提出使用12波長光譜吸收測量來提高SpO2測量的準確性，並根據光譜特徵建構不同的數據集。此外，我們在數據集添加隨機雜訊，在增加數據的多樣性同時，提高了神經網絡的泛化能力。之後，將建立的數據集輸入一維卷積神經網絡（1D-CNN）進行訓練，得到SpO2的測量模型。
為了提高模型精度，應用GridSearchCV和貝葉斯優化來優化超參數。通過GridSearchCV和貝葉斯優化後，模型在2%的隨機雜訊和後6波長區域（650 nm、680 nm、730 nm、760 nm、810 nm, 860 nm）所構成之資料集訓練出的模型擁有最優精度，分別為89.3%和99.4%，顯示出比其他波段與雜訊比例所構成的資料集訓練出的模型擁有更好的精度。雖然具有更多特徵的光譜測量可以提高神經網路的分辨能力，但結果表明，用較短的6波長數據集進行訓練是多餘的。透過對較長的6波長分析可知，使用適當的光譜區域和波長數量建構有效的 1D-CNN 模型區域用於光譜測量非常重要。此外，我們透過各濃度的線性迴歸分析，得出最佳模型的總相對誤差僅為 0.46%，且R2值高達0.97。這些分析資訊皆顯示我們提出的透過 1D-CNN 模型進行多波長測量 SpO2的方法是具有潛力且有高度可行性的。最後我們將該模型的輸出顯示在邊緣運算系統的人機界面上，展示研究的實際應用。
研究與學習: 人工智慧、深度學習、光電系統與嵌入式系統與邊緣運算
研究與學習: 人工智慧、深度學習、光電系統與嵌入式系統與邊緣運算
熱影像與可見光影像影像融合技術
熱影像與可見光影像影像融合技術
使用熱影像檢測PCB故障區域以及應用於PCB的熱可靠性分析，預期能檢測於溫度變化或敏感的故障。利用64*64陣列的thermopile陣列感測單元，有別Bolometer熱影像系統，thermopile熱影像適合長時間、工作環境惡劣之工業應用。將thermopile sensor所感測每一個畫素的訊號，經ADC轉換由SPI介面輸出至嵌入式32 bit ARM作溫度計算轉換，並整合所有影像資訊，作為熱可靠性及故障之檢測。
研究與學習: 熱影像系統、電子電路技術與Cortex ARM嵌入式系統與邊緣運算
研究與學習: 熱影像系統、電子電路技術與Cortex ARM嵌入式系統與邊緣運算
113 專題與研究主題
113 專題與研究主題
此研究的核心價值在於透過熱電堆技術的小型化與積體電路的深度結合，實現具備高效能、高穩定性的新型感測器方案。隨著熱電堆元件的數量減少，裝置的尺寸得以顯著縮小，同時訊噪比（SNR）因熱阻降低而獲得提升，進一步提高了感測器在微弱訊號偵測中的精準性。然而，微小訊號在經過封裝及連線至外部電路的過程中，極易受到環境雜訊及溫度漂移的干擾，導致訊號失真或喪失。解決這一關鍵問題，本研究將聚焦於在熱電堆與積體電路整合的同時，嵌入高增益低飄移且低雜訊的放大器，以確保訊號在整合晶片中完成放大，避免長距離傳輸帶來的衰減與干擾。
Delta-Sigma調制是一種高效的數位調製技術，常被應用於模數轉換器和數位信號處理中。自適應調變技術 在 Delta-Sigma 調變的研究中是一個前沿方向，聚焦於結合人工智慧（AI）、電路設計與數位訊號處理（DSP）技術來實現高效能與低功耗並存的轉換器系統。
深度學習在光學量測(與俊佑老師合作)的應用的主題：
影像分析與物件辨識：研究如何使用深度學習技術對光學影像進行分析，包括物體偵測、辨識和追蹤。這可以應用於光學量測中的目標檢測和自動化測量。
Google Sites
Report abuse