本研究宗旨為整合開發一套加入語音輸入與輕量級本地大型語言模型(LLM)的智慧型記帳系統,以解決因消費管道多元與交易碎片化,導致大眾難以持續記帳的困境。現今記帳應用程式多依賴繁複的圖形化介面,使用者需經歷多次點擊與手動輸入,此做法與流程不僅耗時,更成為養成記帳習慣的阻力。
因此,本系統採用前後端分離架構,前端運用 Vue.js 與 Tailwind CSS 打造跨裝置之響應式介面,並結合 Web Speech API 實現瀏覽器端即時語音轉文字功能;後端以 Laravel 框架為核心,串接 Ollama 本地化引擎與大型語言模型(Qwen2.5:14b)進行深度語意分析。使用者僅需以自然口語描述消費內容,系統即可自動取得交易金額、消費類型與備註。此種「前端語音辨識、後端 AI 自動分類」的混合式合作架構,能大幅縮短單筆記帳時間,並在確保財務資料隱私的同時,有效降低伺服器的負擔。
系統效能評估與實驗結果顯示,在處理包含中英夾雜與口語化的日常財務語句時,本系統之 AI 分類準確率(包含金額與類別)高達 97.9% 以上;在操作效率方面,語音使用者介面將單筆記帳任務之平均完成時間從傳統的 17.45 秒大幅縮減至 10.45 秒,整體操作效率提升約 40.1%;此外,系統端到端之平均響應延遲約為 4.48 秒,成功在受限的硬體資源中讓使用者有流暢的體驗。
本研究期望透過現代網頁開發技術與人工智慧的整合,並搭配具互動性的視覺分析報表,從根本上消除繁瑣過程與消費分類問題,將傳統繁瑣的記帳行為,轉化為主動、簡捷且具洞察力的智慧財務管理體驗。
隨著現代都市車流量暴增,傳統社區大樓與公眾路口監控系統在面對失竊車輛或可疑目標通 報時,往往面臨人工排查耗時、無法跨鏡頭即時追蹤等瓶頸。為了解決多路高畫質即時影像在進行 深度學習辨識時容易造成的影像阻塞與卡頓問題,本專題開發了一套兼具高流暢度、高擴充性、與 工業級非同步解耦設計之「AI 智慧交通監控系統」。 在硬體架構上,系統整合了多路網路攝影機作為影像輸入源。在核心辨識模組方面,我們導入 了最新的 YOLOv12n 輕量化物件偵測模型,配合注意力機制精準定位影像中的車牌區域,並進一步 利用 EasyOCR 進行高精準度的車牌字元讀取。為了克服高流量影像處理對系統造成的延遲,本系統 採用「生產者-消費者(Producer-Consumer)」模型,透過內存級 Redis 任務佇列作為非同步 解耦緩衝區,由 Flask 伺服器專職負責前端影像推流,AI 推理引擎則在背景異步提取資料庫進行 即時運算,確保監控中控台網頁的連續影像維持流暢不卡死。 在後台資料管理與資訊安全方面,系統採用四表正規化設計之 MySQL 關聯性資料庫,並針對 車牌號碼與捕捉時間建立 B-Tree 索引,實現百萬級巨量大數據的毫秒級檢索。前後端皆導入車牌 資料去噪與標準化演算法,避免字元誤差,並結合 PHP Session 會話控制進行權限攔截,防止未 授權存取。實機測試證明,本系統能成功在背景碰撞失竊黑名單,並於前端網頁即時觸發警報,具備 極高的實用性與學術價值。
隨著永續發展的重視程度日益提升,其中「剩食問題」更是零售業亟待解決的痛點。儘管目前部分超商已推出「友善食光」或「i珍食」等即期品促銷活動,但消費者往往面臨資訊不對稱、各品牌 App 分散且缺乏即時庫存地圖定位等問題,我們想解決此痛點。
為此,我們開發了這套系統,提供了可以查看未來黃金8小時內即將到期的即期品分布情況,結合地圖經緯度定位精準呈現位置。並且,我們的平台不只能查看單一品牌,而是首創了「多品牌一鍵切換與獨立隔離」機制。使用者只需動動手指,就能在同一張地圖上無縫切換各大品牌的即期品庫存,省去了在不同 App 之間來回切換的繁瑣步驟,實現了跨品牌「珍食地圖」的整合。