國立嘉義大學

被視為電機電子領域指標性競賽的「2025全國大專校院智慧創新暨跨域整合創作競賽」日前揭曉得獎名單，嘉義大學電機工程學系學生團隊郭彥銘、謝佳儀、李釉程及吳承訓，在電機系張慶鴻教授及應化系黃正良教授指導下，以作品「基於奈米銀的硫醇光學檢測系統」從全國71所大專校院、402支隊伍中脫穎而出，榮獲「智慧機器科技組」第二名，展現嘉大學子扎實的實作能力與創新研發能量。 硫醇類分子是一種在日常生活中常見、卻不容易被察覺的重要化學物質，廣泛存在於食品、飲品與生物樣品中，常常與「風味、品質與真偽」密切相關。在傳統釀造醬油中，長時間的發酵過程會自然產生特定比率的硫醇化合物；若是以化學方式快速製成的醬油，其硫醇組成與濃度往往明顯不同，因此硫醇可作為判斷是否為真正釀造醬油的重要指標之一。在蜂蜜的品質鑑定上亦是如此，天然蜂蜜中含有來源於花蜜與酵素反應的微量硫醇類物質；若摻入果糖或人工糖漿，硫醇訊號會顯著降低，因而可作為判斷蜂蜜純度的潛在依據。此外，過去曾引發食安疑慮的三聚氰胺摻假事件，雖然主要影響的是蛋白質測定，但間接也可能稀釋或改變原本樣品中硫醇相關的化學環境，透過靈敏的硫醇檢測，有機會輔助判斷產品是否被不當添加。在日常消費中，市面上常見的手搖飲、果汁或茶飲，是否真的使用天然茶葉或水果原料，往往難以用肉眼分辨；然而，天然茶葉與水果在萃取或氧化過程中，也會產生具有特徵性的硫醇訊號，若完全以香料或濃縮糖漿調製，其硫醇表現則會顯著不同。因此，硫醇檢測未來也有潛力應用於快速鑑別飲品原料的真實性。 硫醇類化合物通常使用層析結合質譜的方法，不僅設備昂貴、檢測流程耗時，也難以符合即時監測需求。嘉大團隊研發初衷就是打造一套「帶得走、現場即測」的檢測裝置，作品以三角奈米銀（AgNPs）的局部表面電漿子共振（LSPR）效應為感測核心，當鹵素離子對奈米銀產生蝕刻，顏色由藍色轉換成黃色的改變，對應光學訊號會出現變化；而硫醇分子可在奈米銀表面形成保護層、抑制蝕刻反應。系統藉由監測光譜（光強度）變化，建立光強度與硫醇濃度的關係，以達到快速且高靈敏度的檢測。 在系統設計上，嘉大團隊導入「十字雙波長檢測」與高速精密採集機制，以雙波長互補量測避免單波長飽和，同時以20 ms測量週期、50 Hz數據率捕捉反應過程的動態變化。操作端則整合2.8吋觸控螢幕即時顯示雙波長曲線，並提供聲音／視覺回饋，讓使用者能以接近手機的直覺方式完成檢測，降低現場操作門檻。系統流程以「三步驟」設計：樣品與奈米銀溶液混合後置入儀器，系統自動偵測就位並進行快速預檢；接著依倒數提示加入蝕刻液（如KBr水溶液）並連續量測；完成後可自訂檔名，數據將同步儲存至SD卡並上傳至Google Sheets雲端資料庫，方便後續進行趨勢比較、圖表分析與回歸推算。為確保資料可靠與可追溯性，系統採用SD卡與雲端雙重備份，並透過實驗計數器自動管理編號；數據以CSV格式輸出，可直接供後續分析使用，同時整合Google Sheets API與App Script支援雲端即時繪圖與多筆比較。 團隊成員李釉程指出，在嘉大高教深耕計畫C主軸支持下，電機系與應化系展開深度交流：應化團隊協助分析化學反應特性並提供測試樣品；電機團隊則以光電電路與物聯網系統設計能力打造專用檢測系統。跨域合作不僅解決材料取得與驗證的挑戰，也提升檢測數據的可信度與精準度。 本屆參賽作品多聚焦AI與生醫感測，評審肯定嘉大團隊成功整合光電電路設計與奈米材料化學，在硬體完整度與量測精準度表現突出，並提出具體可行的低成本解決方案。隊長郭彥銘分享，備賽過程中在奈米銀與感測器靈敏度校正上曾多次失敗，但在老師指導與隊友堅持下逐步突破；未來希望持續優化技術，拓展到更多食品安全或水質檢測情境。 圖1：嘉大電機系「光變捕手」團隊研發之「基於奈米銀的硫醇光學檢測系統」實機外觀，可透過觸控介面進行量測。（照片由應用化學系提供） 圖2：嘉大電機系「光變捕手」學生對於「2025全國大專校院智慧創新暨跨域整合創作競賽」展現跨域整合能力。（照片由應用化學系提供） 圖3：嘉大電機系「光變捕手」團隊向教育部資訊及科技教育司吳穎沺司長（左一）介紹整套系統運作流程。（照片由應用化學系提供） 圖4：嘉大電機系張慶鴻教授及應化系黃正良教授指導電機系學生團隊榮獲「2025 智慧創新暨跨域整合創作競賽」第二名，展現跨領域合作的豐碩成果。（照片由應用化學系提供）

嘉義大學生物資源學系陳宣汶副教授在嘉大與國家科學及技術委員會支持下，1月19日至21日在蘭潭校區舉辦為期三天的「野生動物寄生蟲學工作坊」。活動結合理論講授與實作演練，帶領學員深入探索臺灣野生動物寄生蟲的多樣性，並以系統化培訓方式，培育新一代研究人才，延續逐漸稀少卻至關重要的研究學門。 近年來，臺灣野生動植物多樣性日益受到關注，然而專注於野生動物寄生蟲研究的學者卻逐年減少，專業知識面臨斷層危機。為避免珍貴學術成果失傳，陳宣汶副教授在國科會「薪火相傳計畫」支持下，規劃系列工作坊，期盼重現臺灣野生動物寄生蟲多樣而豐富的樣貌，並透過完整培訓體系，延續這門關鍵研究領域的學術能量。本次工作坊共錄取來自全臺北、中、南五所大學，以及獸醫、動物園、野生動物救傷單位等機構共27位學員，展現跨校、跨領域的高度參與。 課程內容規劃多元且紮實，除由陳宣汶副教授講授野生動物蠕蟲類寄生蟲的基礎理論與研究方法外，亦特別邀請臺灣大學昆蟲學系邱名鐘助理教授研究室師生，分享昆蟲寄生蟲及禽類羽蝨寄生蟲的研究成果與實務經驗，促進不同研究領域的交流與激盪，協助學員更全面理解寄生蟲在生態系統中的角色與影響。 在實作課程中，學員親自進行鳥類、魚類、兩棲類及爬蟲類等多種野生動物的解剖觀察，學習辨識體外、體內及腸胃道寄生蟲。值得一提的是，課程所使用的動物樣本多來自各地志工團體移除的外來入侵物種，例如泰國鱧、斑腿樹蛙、亞洲錦蛙、綠鬣蜥、白腰鵲鴝及亞洲輝椋鳥等，使被移除的外來物種得以轉化為教學與研究素材，兼顧學術研究與生態教育意義。 陳宣汶副教授表示，野生動物寄生蟲研究不僅有助於理解人畜共通寄生蟲疾病的傳播風險與野生動物族群健康狀態，更能揭示長期被忽略的寄生蟲多樣性。透過「野生動物寄生蟲學工作坊」的推動，期望激發年輕學子的研究興趣，培育具備專業能力的新血，為臺灣寄生蟲學與生物多樣性研究持續注入動能。三天密集的課程與實作訓練，也讓學員建立起珍貴的跨域研究交流網絡，為未來學術與實務合作奠定基礎，期盼在各界支持下，讓臺灣野生動物寄生蟲研究得以生生不息、薪火相傳。 圖1：嘉大舉辦野生動物寄生蟲工作坊邀請到臺大邱名鍾助理教授研究室師生報告禽類羽蝨寄生蟲(上、左下圖)及昆蟲寄生蟲(右下圖)研究。(照片：陳宣汶老師提供) 圖2：學員解剖外來入侵鳥類-白腰鵲鴝，並在顯微鏡和顯微照相機下觀察羽螨寄生蟲。(照片：陳宣汶老師提供) 圖3：學員解剖外來入侵魚類-泰國鱧，並尋找寄生蟲。(照片：陳宣汶老師提供) 圖4：野生動物寄生蟲工作坊參加學員與老師、助教合影(上)；參加學員解剖外來入侵爬蟲類-綠鬣蜥，並檢視腸胃道寄生線蟲。(照片：陳宣汶老師提供)

個體經濟學向來是一門理論密集的課程，模型、函數與推導都很重要，但學生常常卡在「公式會算，概念卻不夠清楚」。114學年度第1學期，該課程在嘉義大學高等教育深耕計畫A主軸 「AI導入課程教學」經費補助下，財務金融學系陳乃維教授嘗試在既有課程架構下，導入生成式AI作為教學輔助工具，目的只有一個：讓學生更快聽懂，也更願意參與。 AI在課堂中的角色，並不是給答案，而是協助把抽象的經濟模型，轉化成學生「看得懂的說法與情境」，並幫助他們釐清圖形變化背後的邏輯。實際操作上，陳乃維教授先請學生依照課堂講解或課本內容自行解題，完成必要的推導與判斷，再引導他們使用AI檢視推導過程，或從不同角度重新解釋同一個經濟概念。這樣的設計，讓學生更在意每一步推論是否合理，而不只是答案本身。 在學生逐漸掌握情境與圖形邏輯之後，AI進一步發揮「降低操作摩擦」的功能。它能協助加快函數推導與計算流程，並作為學生檢核自己解題結果的工具，讓學習重心回到經濟推理與理解，而不是被繁瑣的運算細節綁住。許多學生也反映，正因為AI能快速協助比對結果，他們反而更願意先自己想清楚，再透過AI確認推論是否站得住腳。 最明顯的改變體現在課堂互動上。學生更敢提問，也更願意分享自己的想法；從課堂即時互動工具（如Mentimeter）的參與情形中，也能感受到這樣的轉變。學生普遍認為，AI最有幫助的地方，不是「比較快得到答案」，而是幫助他們確認自己到底懂不懂，以及是哪一個環節卡關，進而更有效地幫助學習。 陳乃維教授表示，AI的導入也讓教學更有效率。他能把更多時間花在重要概念、理論假設的限制，以及經濟直覺的討論上，而不是反覆用不同方式解釋同一個基本步驟。在AI的輔助下，課堂節奏更順，教學也更有餘裕，師生互動品質隨之提升。 整體來看，這樣的教學與學習轉變，正是本課程導入AI的核心價值。它清楚顯示，只要設計得當，AI不但不會削弱理論訓練，反而能協助學生更扎實地理解經濟學，並把注意力放在真正重要的推理與判斷上。 如何開始用AI？陳乃維教授提供以下三點實務建議，給也想嘗試的老師參考： 1.    不要一開始就用AI解整題 先讓學生自己想清楚，再用AI當檢核工具，效果最好。 2.    把AI當成「另一種說明方式」 用它來改寫概念、換例子、重述邏輯，而不是取代老師的講解。 3.    從一個活動開始就好 不用整門課翻新，一個成功的小設計，就能帶來很有感的改變。 這次在個體經濟學導入AI的經驗，讓陳乃維教授深刻感受到：好的教學支持，不只是技術本身，而是能實際轉化為更有效的教學設計，並讓學生真正受益。 圖1：利用Mentimeter做課堂即時互動，學生可利用AI獲得建議性的答案–投票表示意見。（照片由財務金融學系陳乃維教授提供） 圖2：在講解蛛網理論(cobweb theory)時，利用AI工具撰寫Python程式，進而在Google colab執行程式，觀察市場價格在不同條件下是否波動度逐漸變小，最終收斂到一均衡價格。（照片由財務金融學系陳乃維教授提供）