研究專長與主題

本人的研發著重於超大型積體電路測試、晶圓缺陷錯誤診斷、人工智慧設計與物聯網系統整合相關技術。在從 2007 年到 2017 年間，第一個十年職業生涯專注在晶片測試與晶圓缺陷診斷等半導體領域的技術研發與量產應用。自2018年後的第二個十年開始專攻人工智慧與物聯網的協同設計和系統整合，並帶領海盛科技團隊全力研發並推出多款智能物聯網產品，並已成功在水產養殖、智慧交通科技執法、工業製造智能檢測、醫療診斷、生物技術分析與商業市場預測等各領域市場上銷售。從2023開始建立並帶領一個循環經濟技術開發團隊，開始投資循環經濟技術與相關材料開發以實現各項聯合國永續發展目標。

接下來簡單介紹幾項我所涉獵與專長的研發主題：

1. 半導體領域 (2007-2017)

• 邏輯電路內建自我測試 (Logic Build-In Self-Test)

• 晶片測試響應壓縮 (Test Response Compaction)

• 積體電路低功率測試 (Low Power Testing)

• 晶圓缺陷錯誤診斷 (Wafer-level Defect Diagnosis)

2. 人工智慧與物聯網領域 (2018年至今)

• 水產養殖用智能物聯網設計 (AIoT design on Intelligent Aquaculture)

• 人工智慧用於交通科技執法 (AI Traffic Enforcement)

• 人工智慧協助老年疾病學自主快篩技術 (AI-assisted Rapid Test for Gerontology)

• 人工智慧協助海洋保育與水域活動安全 

(AI Technology for Marine Conservation and Safety of Water Activities)

• 人工智慧用於價格預測 (AI Price Prediction)

• 人工智慧影像強化技術 (AI Image Enhancement: 去摩爾紋 Demoireing, 除霧 Defog, 色彩還原 Color Restoration)

• 人工智慧用於極微小物偵測與分類: 例如塵螨 (AI for Tiny Object Detection and Classification)

• 人工智慧用於金屬薄膜製成品質分檢 (AI Quality Classification for Metal Thin Film)

• 人工智慧用於偽造關防與公司印鑑識別比對 (AI Identification and Comparison for Counterfeit Corporate and Government Seals)

3. 永續發展目標的循環經濟領域 (2023年至今)

• • 低碳排智慧電控水池氮磷濃度監測及去氮磷處理技術 (Low Carbon, Smart Electronic Material System for P/N Monitor and Removal)

積體電路測試領域背景介紹

在現今工業界的測試流程中，自動測試機台(Automatic Test Equipment, ATE)被用於快速確認每一個製造出的晶片是否存在著瑕疵。在圖一的圖例中說明如何使用自動測試機台對一待測電路(Design Under Test, DUT)進行測試。自動測試機台負責將儲存於機台中的測試向量(Test Patterns)傳遞至待測電路的輸入端，並且自輸出端擷取測試響應(Test Responses)，與事先儲存在測試機台中的正確電路結果進行比對。在比對過後，電路輸出結果與正確結果間差異的部分將被儲存到機台中，用於進一步分析。利用此ㄧ流程，我們就能夠在產品出廠前先一步將有缺陷的晶片提前過慮出來。而此一測試流程中的所有測試資料包含輸入端測試向量、正確的電路響應及比對過後的測試結果，都必須儲存至測試機台中。  

然而，測試機台上的記憶體空間與輸出入頻寬(I/O bandwidth)都相當有限。當我們需要測試一高複雜度的電路，例如、整合數百個電路至單一晶片中的系統單晶片(system-on-chip, SOC)時，所需的測試資料量(test data volume)將會急遽地增加，連帶造成傳送測試資料所需測試時間(test application time)亦大幅的上升。這將使得使用測試機台的傳統測試流程需耗費極高的測試成本，用於儲存與傳送測試資料，同時也將嚴重地延遲產品上市時程，降低產品在市場上的競爭力。在2013年半導體國際技術指南(2013 International Technology Roadmap of Semiconductors)的報告書中預測，西元2025年時，用於測試一系統單晶片所需的測試資料量在不壓縮的最差情況下將高達19886Gbits。而至2025年前，儲存在測試機台中的測試資料至少需壓縮成原先資料量的1/1376倍，且仍保證良好的測試品質(test quality)，方能夠滿足未來產品製造時所能夠承擔的測試儲存與時間成本。因此，如何有效減少測試向量與測試響應的資料量已成為學術界與工業界均極端重視的問題，而此問題也被列為系統單晶片未來發展所將面臨的瓶頸之一。

邏輯電路內建自我測試

在過去數十年間，邏輯電路內建自我測試方法被工業界廣泛地用來降低所需的測試成本。該方法利用在待測電路中，加入一些特殊的測試用電路使得待測電路有能力對自己本身進行自我測試，因此能夠有效降低對外部測試機台的需求。在此研究主題中，我們研發出使用電路內部響應回授的自我測試技術(internal-response-feedback self-test technique)，此技術能夠在不使用任何儲存裝置的條件下，在極短的時間內完成測試。由於所有電路所需的測試向量都能夠在晶片上自動產生，因此我們的技術不需使用任何儲存成本用於儲存輸入端測試資料。而此方法也是目前世界上所有已知方法中，唯一能夠在不使用任何內外部儲存空間的情況下，最快對所有ISCAS標準電路進行完整測試之技術。

延伸閱讀：

1. W.-C. Lien and K.-J. Lee, “A Complete Logic BIST Technology with No Storage Requirement,” IEEE Asian Test Symposium (ATS), 2010, pp.129-134.

2. W.-C. Lien, K.-J. Lee, T.-Y. Hsieh and W.-L. Ang, “Efficient On-Chip Test Generation Scheme Based on Multiple Twisted-Ring Counters,” IEEE Transactions on Computer-Aided Design of Integrated Circuits and Systems (T-CAD), Vol. 32, Issue 8, pp. 1254-1264, Aug. 2013. 

晶片測試響應壓縮

不同於輸入端的測試向量壓縮，輸出端的測試響應壓縮技術在壓縮的同時，需面對壓縮失真、輸出響應包含未知值與壓縮後的響應資料難以用於錯誤診斷等問題。為了解決這些問題，我們提出一稱之為輸出位元選擇(output bit selection)的測試響應壓縮方法。此方法有著許多優點，包含極高壓縮率、零失真、能夠容忍任意數量的未知值響應、壓縮後的資料仍保有很高的錯誤診斷能力、低面積負擔且控制相當簡單。此外，由於此方法不需修改到待測電路本身，也不需修改原先輸入端的測試向量產生流程，因此能夠很容易整合至一般工業界測試流程之中，在不增加任何輸入端測試資料量且不影響測試品質的情況下，大幅減少90%所需儲存的測試響應資料量。

延伸閱讀：

1. K.-J. Lee, W.-C. Lien and T.-Y. Hsieh, “Test Response Compaction via Output Bit Selection," IEEE Transactions on Computer-Aided Design of Integrated Circuits and Systems (T-CAD), Vol. 30, Issue 10, pp.1535-1544, Oct. 2011.

2. W.-C. Lien, K.-J. Lee, T.-Y. Hsieh, K. Chakrabarty and Y.-H. Wu, “Counter-Based Output Selection for Test Response Compaction,” IEEE Transactions on Computer-Aided Design of Integrated Circuits and Systems (T-CAD), Vol. 32, Issue 1, pp. 152-164, Jan. 2013.

3. W.-C. Lien, K.-J. Lee, “Output Bit Selection Methodology for Test Response Compaction,” IEEE International Test Conference (ITC), 2016, pp. 1-10.

積體電路低功率測試

在降低測試成本時，測試功率(test power)也必須同時納入考量。由於在測試時，待測電路經常會使用到非正常操作時的狀態，因此所產生功率可能會高於電路正常操作時的功率。而這些額外的功率會降低電路的效能使得測試結果發生錯誤，而造成ㄧ因測試所引發的良率損失(yield loss)。在此研究主題中，我們提出一保證安全功率的測試向量決定流程(power-safe test pattern determination procedure)，用於決定出一組不超過正常功率且仍保持相同測試品質的測試向量集合。更值得一提的是此方法證實可保證測試功率在正常值的狀況下幾乎不會增加額外測試向量，甚至在某些電路，特別是對於較大型電路，我們的方法所需測試向量數目還更少，意味著我們的方法可以在測試成本不變甚至更少的狀況下，完全解決測試功率過高問題，因此我們的這項技術也已廣泛被產學界所引用和使用在實際測試流程中。

延伸閱讀：

1. Y.-H. Li, W.-C. Lien, I.-C. Lin and K.-J. Lee, “Capture-Power-Safe Test Pattern Determination for At-Speed Scan-Based Testing,” IEEE Transactions on Computer-Aided Design of Integrated Circuits and Systems (T-CAD), Vol. 33, Issue 1, pp. 127-138, Jan. 2014.

晶圓缺陷錯誤診斷

在測試過後，錯誤診斷程序被用於分析並預測錯誤晶片中缺陷可能出現的位置與錯誤型態。而這些資訊被用於引導接下來的物理性錯誤分析程序(physical failure analysis)，進一步確定缺陷的真實物理位置與發生原因。在晶片製造廠(foundries)中，錯誤診斷程序被視為提升新ㄧ代製程良率的關鍵步驟。而在錯誤診斷流程中，用於分析的測試向量是否能夠提供足夠的錯誤資訊最為關鍵。在這個議題上，我們研發出ㄧ高效率的錯誤診斷向量產生流程(diagnostic pattern generation procedures)，利用此流程所產生的測試向量進行錯誤診斷，能夠大幅提高物理性錯誤分析程序的成功率。而此一方法也是目前所有錯誤診斷技術中，唯一能夠在ISCAS與IWLS標準電路以及先進製程的實際缺陷上均達到100%錯誤解析度(diagnosis resolution)之技術，此技術已被專利保護並整合運用在台積電TSMC的所有先進製程中。

延伸閱讀：

1. C.-H. Wu, K.-J. Lee and W.-C. Lien, “An efficient Diagnosis Method to Deal With Multiple Fault Pairs in a Single Circuit,” IEEE VLSI Test Symposium (VTS), 2014, pp. 240-245.

 海盛科技智能水產養殖系統

智慧養殖漁業是全球的趨勢，隨著人口持續增長的情況下，對蛋白質的需求也會跟著增加，吃魚是最健康的，但是海洋所能供給的漁業捕撈資源有限，相較之下，水產養殖對環境更為永續，然而水產養殖有很多人力、環境與風險的因素，使得養殖業長期一直面臨高風險，高污染和高度依賴體力勞動的負面影響和工作環境的困境，造成台灣養殖業老化，產量劇減下已無法滿足國內市場需求，只能一味仰賴進口的捕撈漁獲。為了解決上述這些問題，海盛科技團隊運用AI與IoT提出了一創新的智慧養殖系統，以幫助世界更快達到養殖永續生產的目標。透過運用AIoT技術來監視、測量和控制魚蝦的成長狀況，海盛科技的智能養殖系統能夠自動化75％的養殖日常工作，降低40％的風險，並提高30％的產量。此產品的設計以用戶為中心角度出發，結合了技術和商業模型的創新，是我國目前已知朝向養殖永續生產邁進的最佳方法，已有多個幫助漁民落地應用實例，包含減少人力、分池判斷、出貨判斷等都已由AI自動化量測與系統判斷，透過新科技導入，翻轉水產養殖產業。 

海盛科技團隊在研發過程中，也串聯了各產官學界一同合作，包括與當地水產養殖業、政府部門、學術單位和研究機構在內的各利益相關者的合作，確保打造出一最適合台灣熱帶與亞熱帶多變養殖環境的台產系統。海盛科技創新的智慧養殖系統，能夠促進各地養殖業的可持續發展，顯著降低工作中的風險和負擔，吸引年輕工人參與水產養殖業，並替代魚類進行捕撈漁業養殖，從而保護海洋環境和資源，同時減少魚飼料浪費，水和海洋污染。除了帶動經濟成長外，上述行動呼應了聯合國提出的以下四個SDG可持續發展目標：零飢餓(SDG #2)，體面勞動和經濟增長(SDG #8)，負責任的消費和生產(SDG#12)和促進海洋資源可持續發展(SDG#14)。

海盛科技的智能養好魚系統，不僅可以使台灣超過40,000個正在從事水產養殖業的家庭在經濟上受益，未來也將改善和改變全球超過2000萬漁民的日常生活，在經濟發展的同時為世界持續生產永續環保的蛋白質。 

請訪問海盛科技官網: https://www.hysontech.tw 

 海盛科技人工智慧交通違規檢測與車禍肇事判定系統

現今的警察單位需負責包含巡邏、酒後駕車檢查站、定期檢查和待命值班等複雜的日常任務與繁重的職責。在交通執法方面，除了現場處理交通事故或違法行為外，還需要處理交通違規影片舉報。由於此類交通違規影片數量逐年增加，需要耗費大量的人力和時間來查看錄影、尋找違規片段、定位車牌、判斷違規類型、計算碰撞前的行駛速度。為了減輕警方的負擔，海盛團隊開發了兩套系統，分別針對智慧交通違規檢測及車禍肇事車速判定，以AI減輕員警負擔：

1. 智慧交通違規檢測系統：智慧交通違規檢測系統可以透過分析交通違規視頻，對交通違規進行檢測和分類，如果發生事故，還可以計算碰撞前的行駛速度。此外本系統可以在幾秒鐘內自動產生罰款單和法庭起訴書。這套全自動化的產品可以最大限度地減少對人為判斷的需要或可能的人為誤判，從而減輕警方複雜的任務，為社會帶來更和平和安全的環境，目前已運用在高雄市警方常規的執法系統中。

2. 車禍肇事車速判定系統：過往警方處理交通事故案件時，常需調閱路口監視器及依民眾提供之行車紀錄器影像，反覆觀看分析影像來計算當下行車速度以釐清事故肇因，平均每位員警每年需耗費整整40個工作天在執行此勤務，相當花費大量人力與時間。為了解決此問題，海盛科技與高雄市警察局交通大隊合作開發了全世界首創的「AI自動輔助交通事故肇事速度判定系統」，此系統支援警方常用的畫格法與交比定理兩種方法，根據輸入的路口監視器及行車紀錄器影像以AI輔助計算肇事當下的車速，並自動產生可供法庭採證的報告，在數百筆實際案例中實測顯示此系統不但精確度高且計算速度快，能夠減少員警至少80%的時間，此系統是台灣第一個採用AI輔助計算的科學鑑識證據，更榮獲警政署頒發最高榮譽2024年警光獎章。

聯絡我們獲取更多產品資訊：https://www.hysontech.tw

 雲端人工智慧協助帕金森氏症早期病徵自主快篩 

海盛科技團隊與多家大型醫療院所合作開發了一個雲端人工智慧輔助系統以快速、簡單的方式促進潛在帕金森氏症症狀的識別。只需使用個人手機拍攝手繪螺旋圖形照片，然後將其上傳到雲端進行處理，雲端系統上的多種人工智慧檢測模組會分析螺旋圖形的空間和頻率特徵來進行檢測。在數百位民眾的盲測資料，不論是帕金森氏症患者的敏感度或健康民眾的特異度均超過 90%。更值得一提的是，快速檢測對帕金森第一期與第二期的早期症狀盲測成功率高達91%。

本系統為解決早期帕金森氏症識別的醫學困境提供了一個潛在的解決方案，這種疾病經常因患者不願接受這種疾病而未被診斷或晚期診斷。此外這項快速檢測服務也可用來解決後疫情時代偏鄉地區因醫療資源限制進一步加重了帕金森氏症的早期診斷問題 。總體來說，我們所提出的雲端人工智慧輔助系統為增強隨時隨地帕金森氏症的早期檢測和管理提供了一個具備良好發展前景的解決方案。海盛團隊目前也正與多家醫院合作導入此系統，包含大型醫學中心、區域醫院與地區醫院等，未來我們也將運用類似的技術在更多老年病學與老年疾病照護上，例如阿茲海默症。

聯絡我們獲取更多產品資訊：https://www.hysontech.tw

 人工智慧技術用以協助海洋保育與水域活動安全 

海盛科技團隊與基隆海科館共同開發全世界第一個水下沙塵暴AI監控預警服務在台灣潛水聖地的潮境海洋保育區上線，結合5種AI人工智慧模型分析40種潮汐雷達站資料、水下監控影像與海洋聲音等各式資料，隨時監控90%以上的水下沙塵暴發生狀況並且進行預警，保障潛水員包含研究員與遊客的潛水安全，並且準確預測72%未來發生的沙塵暴，現在LINE加好友試用可以隨時隨地:

(1)  查詢即時與過去3小時海況。

(2)  查詢沙塵暴未來6小時發生機率。

(3)  沙塵暴發生立即自動預警提醒。

此服務不但保障潛水人員安全，同時有助掌握珊瑚復育研究，讓潛水研究員、遊客以及珊瑚生態保育三方共贏。

此外海盛科技團隊更進一步開發AI魚種自動辨識，讓AI透過水下攝影機辨識並分類超過70種常見的珍貴珊瑚礁魚種，辨識精準度達90%，並建立一套雲端AI珊瑚礁魚種辨識系統平台，不但可持續累積保育資料庫，辨識完成後更會同步輸出海科館所需的統計與記錄報告，大幅降低超過70%以上耗費在統計、記錄與報告撰寫上的人力資源，解決過去需透過透過研究人員及潛水志工定期於海底人工觀察並統計魚種，然而由於珊瑚礁魚種類繁多，造成統計不易，難以有效了解真實復育情況，此平台能夠讓研究人員可根據雲端AI辨識與分類的結果，更專注在擬定更有效的珊瑚礁復育策略。

聯絡我們獲取更多產品資訊：https://www.hysontech.tw

 人工智慧技術用以預測價格 

水產品市場價格是漁民決策運輸、捕撈和批發策略的重要指標。作為水產養殖業的指南，了解市場價格、魚價地理分佈、魚價預測至關重要。然而在台灣漁業中，由於熱帶和亞熱帶氣候變化、進出口魚類數量變化以及政治和經濟形勢的不確定性導致水產品價格劇烈波動，預測水產品價格極具挑戰性。為了解決台灣水產品價格的非線性特徵，我們提出了一個由六種類神經模型組成的混合網路模型，用於台灣水產品價格預測。我們利用台灣農業部的公開交易數據和選定的變量，運用過去 21 年 14 個主要批發市場的數據開發了預測模型。 整體平均預測準確率超過90%，排除訓練資料不足的部分後，預測準確率甚至可達94.27%以上。

在市場方面，我們開發了SmartFishery水產價格預測服務，這是一個完全自動化的自學習AI系統，可自動獲取數據和精確度比對監測，以實現更準確、更有效率的魚價預測。此外我們已將此 SmartFisery 服務整合到 LINE 應用程式中以進行自訂操作。展望未來，我們計劃擴大 SmartFisery 系統的分析能力和基於消費者購買需求進行營運。此外我們將納入更廣泛的水產品，以進行更全面的魚價預測。我們預期這項水產價格預測服務將有助於提高水產養殖業的獲利能力，並為政府制定可持續漁業管理的相關水產養殖政策提供科學數據參考。

近期用於魚價預測的SOP標準化流程分析技術也申請了國內外專利，並已商業化與許多不同領域的客戶應用在預測石油、橡膠、鋼鐵、股市等不同標的物，準確率均超過90%。這項AI價格預測服務同時也取得了很好的市場銷售成績。

聯絡我們獲取更多服務資訊：https://www.hysontech.tw

 人工智慧影像強化技術: 去摩爾紋、除霧與色彩還原

當用手機或相機拍攝另一個數位螢幕畫面時會導致影像出現不必要的彩虹狀視覺偽影而使影像品質低落。這是因為被拍攝的顯示器像素排列或被拍攝物體圖案與拍攝相機的感光元件排序不一致，導致兩種排列疊加成不規則的顏色和形狀，稱為摩爾紋(Moir´e pattern)與彩虹紋(Rainbow pattern)。與其他需影像強化還原的雜訊比起來，消除摩爾紋的困難在於它們可能出現的頻率範圍相當廣泛，並且具有不規則形狀與彩虹般的顏色。因此我們提出了一種多尺度融合的人工智慧類神經網絡，其中設計包含擴張密集注意力、多尺度特徵交互和多內核 池化 Strip Pooing等，這些設計能更好地捕捉摩爾紋與彩虹紋，並分離提取出真實影像的特徵來還原摩爾紋影像，請見下圖。此外我們更透過將摩爾紋圖案轉移到乾淨影像上來增強訓練數據，同時增強去紋路的效果。結果顯示我們的人工智慧模型在真實資料集上的表現均優於數十種產學界目前最新的方法，此技術已運用在全世界最大的面板廠與晶片工業廠商的智慧製造流程中大幅提升各廠商的缺陷檢測效能。

此外，我們也利用對抗網路模型結合影像訊號處理演算法進行影像去霧和色彩還原，並對水下和陸地影像進行雜訊去除等影像強化還原，以提高其人類視覺的品質和電腦視覺的辨識性能，請見下圖。相關方法也已商品化銷售中並申請專利保護，並運用於養好魚智能水產養殖系統、潛水拍攝、離岸風電探勘、軍方水下探勘、陸地場域監控等，同時整合在水下遙控機器人ROV中。

聯絡我們獲取更多相關產品資訊：https://www.hysontech.tw

 人工智慧用於微小物偵測與分類: 例如塵螨

在對台灣家庭隨機抽樣中發現，室內每公克灰塵中平均隱藏著超過2000隻蟎蟲，過量的蟎蟲更常造成民眾過敏，特別是兒童，使得台灣一直以來的過敏兒童數量高居不下，過去要人為判斷蟎蟲汙染狀況相當困難，為此海盛科技團隊正與日本生物技術公司合作開發蟎蟲捕捉技術，並以人工智慧技術快速且精準的評估環境中蟎蟲汙染水平狀態，給出警示以降低民眾鼻過敏、氣喘、異位性皮膚炎等因蟎蟲過量造成病症。我們所研發的AI蟎蟲辨識品種與計數服務，結合了3種人工智慧模組偵測並計算出捕捉到的塵螨與肉食蹣數量，分類辨識精準度超過85%，與人工透過顯微鏡費時費力地計算數量的誤差僅7%，可更有效率的協助民眾準確評估並減少家中蟎蟲汙染狀況。同時我們更整合了3種不同的影像強化技術，大幅的提升微小蟎蟲的可視化程度，讓原先看不到的蟎蟲經過影像強化後，提升到人類可辨識的程度，也同時提升AI辨識準確度，讓人類和AI都看得清楚蟎蟲。此產品服務上市後預計將提供給大型賣場、寢具賣場、清潔業、除蟲業、醫療院所、一般民眾來使用，協助民眾對蟎蟲進行防治，特別是對於有過敏兒童的家庭來說，可說是相當實用又有感且非常貼近民眾生活的AI產品服務。

人工智慧用於金屬薄膜製成品質分檢

在製造業流程中，經常會根據不同試片品質的結果將半成品(例如面板薄膜)進行分類來決定後續加工方式及可生產應用的產品，舉例來說，低電阻且鍍膜品質最好的T0等級試片可運用於太陽能板的製造、而次佳的T1等級可運用於電磁波屏蔽、T2等級可運用於熱溫控板，而鍍膜品質最低的T3等級則可運用於觸控感測器製造。

傳統的試片品質分類方法需要透過高精度的探針接觸試片來測量其電阻值，並根據所測到的電阻值進行電鍍品質分類來決定後續製程。然而這種接觸式的量測方法不僅會對試片造成損傷，還可能影響產品的後續加工。為了解決這一問題，我們開發了一項AI技術，利用AI影像辨識技術來實現非接觸式電鍍品質檢測。

我們透過大量金屬薄膜影像、其對應的電阻值、UV光譜曲線及傳統方法分類結果作為資料來訓練AI，讓AI學習透過影像分析來對薄膜品質進行分類，目前AI檢測與分類精準度可達80%以上。

此方法不僅能避免傳統探針測量方式所帶來的損傷，更能使用簡單的手機鏡頭來進行非接觸式AI試片品質辨識與分類，大幅提高測量效率並運用於自動化產線生產。此發明將為多項製造行業帶來全新的應用與檢測技術。

聯絡我們獲取更多相關產品資訊：https://www.hysontech.tw

人工智慧用於偽造關防與公司印鑑識別比對

印鑑與關防圖章通常很容易取得民眾信任，因此近年來許多假冒檢察機關、投顧公司行騙過程中，詐騙集團經常利用上方蓋有偽造印鑑的詐騙文件取信被害人，例如、偽造地檢署機關或檢察官的印鑑進行面交詐騙、偽造公司印鑑圖章進行投資詐騙等，而趕至現場阻止詐騙的警察同仁也無法在現場短時間內判斷印鑑真偽，需回傳至警局進一步比對，使得阻止詐騙與蒐證相當困難。為了解決這個問題，海盛科技團隊開發了一套AI快速辨識偽造印鑑系統，讓警方隨時能夠透過警用手持式電腦設備或手機拍照上傳的疑是偽造的印鑑影像，AI將自動比對警方已建立的偽造印鑑資料庫，並回傳相似度最高的十件案件，提供現場的警察同仁能夠即時分析，辨別真偽，阻止詐騙，同時進行蒐證。

此系統共分三步驟運行，首先辨識文件上印鑑所在位置進行擷取，並進行去背與校正等前處理去除雜訊，接著再利用預訓練模型結合SVM提取全域特徵進行快速比對與初步篩選。對於篩選出來的相對相似的印鑑，我們使用SuperGlue進一步提取局部特徵並進行點對點比較，最後列出了詳細的區域特徵差異，供警方參考。此系統在警方真實資料庫運行測試顯示，對偽造關防的辨識精確度達到97%以上，對偽造公司印鑑辨識準確率則超過92%，這套系統可在數分鐘內找出最近曾使用此偽造印鑑的十起詐騙案件，提供員警現場立即辨識真偽。

聯絡我們獲取更多相關產品資訊：https://www.hysontech.tw

低碳排智慧電控水池氮磷濃度監測及去氮磷處理技術

海盛團隊開發了一種基於電化學驅動的層狀雙氫氧化物材料的智慧低碳水淨化系統，可以隨時監測水中氮和磷的濃度，並透過電化學驅動機制在一天內去除或降解90%的氮和磷。此系統可同時監測處理氮、磷濃度，幫助工業、水產養殖等產業解決廢水排放污染問題。