自動駕駛車目前在世界各地都備受關注，其開發最困難的技術為對週遭環境的感知能力，能夠準確地感知車道線以及其他車輛、行人等障礙物是實現安全、可靠的自動駕駛系統的關鍵。本實驗室利用深度學習開發車道線偵測系統，在偵測環境中的結構化與非結構化道路，雨天、陰影、曝光以及車輛遮擋等多類場景，皆能給予穩定的車道線資訊。

大數據對人工智慧來說扮演了一個重要的角色，分析機台運行數據可以幫助製造商優化生產流程，提高生產效率和產品質量，實現對產品質量的即時監控和控制，從而減少缺陷產品的產生，有助於製造商實施預測性維護，減少停機時間和生產成本。本實驗室透過網路連結機台，從機台即時得到並且儲存加工時的詳細資訊。透過人機介面顯示，讓使用者更能清楚了解機台狀態，儲存下來的資料則用於大數據分析。

智慧醫療是透過人工智慧協助臨床醫師進行診斷，或是協助公衛體系進行政策調整。機器可以提供對各種疾病的早期檢測、病情分析、治療建議等方面的支援，從而提高醫療質量並節省時間成本，亦可幫助政府機構和衛生部門分析大數據，以便更好地理解疾病的傳播模式、預測疫情趨勢、制定防控策略等。本實驗室透過深度學習協助醫學相關研究的各項預測，包含敗血症病患的死亡率以及COVID-19的傳播模式。

準確的評估水和蔬菜的成熟度在農業學中是非常重要的，因為果農可以從自動化檢測和成熟度的等級分辨當中獲取極大的利益。本實驗室提出一種番茄分類方法基於三種不同成熟度級別(未成熟、半成熟和成熟)，這種方法使用機器學習或深度學習技術，通過分析番茄的圖像來進行分類，並且達到極高的準確率。