雲科大AI助攻！手機揪未定檢車輛、2.6秒生成視網膜構造圖

雲科大電子系助理教授王斯弘（右）團隊研發把AI辨識用於機車定檢系統，巡邏車裝着手機就深入小巷、菜市場等，可免於與車主發生衝突，辨識率達92％。（周麗蘭攝）

雲科大電子系實驗室投入人工智慧領域多年，助理教授王斯弘團隊研發把AI辨識用於機車定檢系統，巡邏車裝着手機就深入小巷、菜市場等，可免於與車主發生衝突，辨識率達92％，該系統已在雲林、嘉義、臺南使用中。特聘教授陳錫釗則以演算法研發視網膜血管生成圖像，只須2.6秒就可把眼球攝影的影像轉成血管結構圖。

王斯弘助理教授指出，機車出廠滿5年必須接受排氣定檢，雲林縣定檢率低於80％，原因是採固定式攔檢效率低，機動式攔檢又浪費人力，因此產生研發把AI辨識功能應用於手機，隨機搜尋未定檢機車。

王斯弘團隊透過大數據建置再結合手機即時影像、AI辨識系統，可深入菜市場、街道、小巷做偵測。這套方法已在雲林、臺南等縣市使用，將較於傳統式提升22％定檢車輛數。

王斯弘說，把AI辨識技術運用於手機的好處是可避免稽查衝突，亦可深入死角，正在研發機車噪音辨識系統。

雲科大電子系特聘教授陳錫釗研發的人工智慧視網膜血管影像重建方法，圖左是眼球攝影影像，中間是傳統醫學手繪影像，圖左是AI繪製的影像。（陳錫釗提供）

特聘教授陳錫釗10多年前就研發出皮膚紋路判讀年齡技術，他最近再研發出以人工智慧技術結合眼科，發明「Sin-Net 人工智慧視網膜血管影像重建方法」，獲得2023年韓國首爾發明金牌獎，目前與臺大雲林分院合作初探，只需2.6秒就可把眼球影像轉爲血管構造圖，幫助醫師先期判讀視網膜血管病變。

陳錫釗對比AI深度學習繪製的圖檔，以及傳統醫學手繪的圖，AI繪製的時間只要2.6秒，準確率高達96％，可成功預測細小血管的結構。

特研究團隊將AI人工智慧技術結合健康與醫療發明「Sin-Net 人工智慧視網膜血管影像重建方法」，能幫助醫師先期判讀視網膜血管病變，只需2.6秒且可達到96％準確率，目前與醫端合作初探。