串接產學資源　成大智慧運算課程展現跨域人才培育成果

Posted By Judith Cheng on 6 月 1, 2026 in ADI, Edge AI應用案例, Edge AI開發地圖, 新唐, 智慧工廠, 智慧演算, 智慧醫療, 活動報導, 特寫 | 0 comments

人工智慧（AI）正快速走向大眾日常生活應用場域，產業對於能整合感測、晶片平台、韌體、軟體與AI模型的跨域系統人才需求也日益迫切。為此國立成功大學電機系特聘教授李順裕與成大敏求智慧運算學院自2025年起推動「智慧運算生醫跨域晶片系統應用課程」，讓來自不同系所的學生透過校內教師與業界導師的共同授課，學習以軟硬體技術與邊緣AI解決日常生活痛點的相關理論，也實際動手運用廠商提供的開發套件完成應用專題。

該課程在第一年催生了心電訊號辨識、智慧照護、寵物穿戴監測與多模態生理訊號分析等應用實作成果，並有多組團隊延伸參與創新競賽，初步建立從課堂實作走向場域驗證的跨域教學模式。今年課程邁入第二年，除了同樣獲得成大跨系所學生的熱烈參與，以及包括美商晶片大廠ADI與代理商安馳科技、醫療設備業者鯨揚(Whaleteq)、裕晶醫學科技、Flops.ai LLC等業界廠商大力支持，今年還有台灣IC設計業者新唐(Nuvoton)加入，提供內建Arm Cortex-M55 32 位元核心與Ethos-U55神經處理單元 (NPU)的M55M1開發平台與專業講師指導，讓修課學生結合裕晶TriAnswer與鯨揚ECG訊號產生器，展現邊緣AI、生醫感測與智慧系統整合的更多應用成果。

2025年首度登場的成大智慧運算生醫跨域晶片系統應用課程催生豐碩成果，學生團隊並參與創新競賽獲得好成績。(圖片提供：李順裕老師)

李順裕教授表示，邁入第二年的「智慧運算生醫跨域晶片系統應用課程」有來自成大10個不同系所的同學參與，包含資訊所、機械所、醫資所、運算碩士學程、晶片設計碩士學程、生命科學系、人工智慧、基礎醫學研究所、工科系與電機系，學生背景橫跨農林畜牧醫與電資通工程，透過不同科系學生媒合組隊，並結合「多元授課」、「實務操作」與「專題展示」三階段訓練，並報名參與2026經濟部創新大賞、教育部2026跨域智慧晶片設計應用創新專題實作競賽，以及2026成大創新圓夢計畫，讓課堂成果進一步銜接外部競賽與創新驗證。

12組專題成果亮相：為各種日常生活痛點提供解方

在5月下旬舉行的發表會上，12組學生團隊分別透過小組簡報、攤位展示與解說來呈現專題開發成果，並接受敏求智慧運算學院碩士/工程博士學位學程主任舒宇宸教授，以及Flops.ai LLC蘇志麒、新唐陳暐宗兩位業師，還有代表MakerPRO的筆者等四位審查委員的現場評分。

今年的專題作品大致可分為幾個方向：一是以ECG (心電圖)、EOG (眼電圖)、EMG (肌電圖)、EEG (腦電圖)與PPG (光體積變化描記圖)等生理訊號為基礎的智慧照護與健康監測；二是運用新唐M55M1等邊緣AI平台進行本地端推論的人機互動與輔助科技；三是將AI感測節點延伸到交通安全、工業檢測與駕駛監測等生活與產業場域。除了需要選擇適當的AI模型，學生團隊還必須處理感測資料擷取、通訊橋接、模型量化、嵌入式部署、使用者介面與系統展示等完整開發流程，可以想見在課程中接受的紮實訓練。

最後評選結果由聚焦心電圖數位化的第五組團隊「CardioTrace AI: Edge-to-Cloud ECG Digitalization System」，與結合EEG/PPG訊號實現駕駛人監測的第六組團隊「Edge Computing-Based Smart Driving Monitoring System: Multimodal Fusion for Fatigue Detection and Alcohol Measurement」脫穎而出獲得前兩名。兩組作品雖然應用場景不同，但都以生理訊號為核心，並將資料擷取、AI模型、邊緣運算平台與使用者介面整合為相對完整的系統雛形，團隊成員對專題開發歷程與後續改善方向也有清楚掌握。

其中第五組團隊由傳統紙本心電圖保存與後續分析不易的問題出發，設計結合ECG影像數位化、AI心律不整分類與大型語言模型介面的系統。使用者可拍攝紙本心電圖，系統再透過影像校正與波形重建，將其轉換為可保存、可分析的數位ECG資料，並進一步進行AI分類與報告產出，除了方便醫療院所人員判讀，對於看不懂ECG資訊的一般大眾來說也能更容易理解自己或家人的健康狀況。團隊也設計帳號與資料管理機制，讓心電圖資料可依使用者保存，並透過網頁介面與大型語言模型提升後續查詢與互動便利性。

第六組團隊則聚焦疲勞駕駛與酒駕風險，提出以生理訊號取代單純影像觀察的智慧駕駛監測系統。團隊透過TriAnswer蒐集EEG與PPG訊號，分別萃取與酒精影響、疲勞狀態相關的特徵，再將資料送至M55M1平台進行AI推論，系統每20秒會更新一次偵測結果，並以LCD顯示疲勞與酒精風險等級；若偵測到高風險狀態，除了啟動蜂鳴器提醒，也能觸發方向盤鎖讓危險駕駛無法開車上路。團隊成員提到，目前該裝置的疲勞偵測準確率約88%，而酒精偵測因資料量有限，準確率約75%，後續仍可透過擴充資料集與模型的最佳化進一步提升表現。

2026年成大智慧運算生醫跨域晶片系統應用課程成果發表，最後由第五組(左)與第六組團隊的修課同學，分別以「雲端到終端的ECG數位化系統」與「結合EEG/PPG訊號的駕駛人安全監測智慧裝置」在最終評選中獲得前兩名。(攝影：Judith Cheng)

除第五、六組外，今年其他團隊也從不同生活與產業情境切入邊緣AI應用。例如第一組團隊以隧道內的交通路況監測為題，透過影像辨識與車流分析建立邊緣AI監控節點；第二組則運用EOG設計智慧居家輔助控制系統，讓行動不便者可透過眼球/眼部肌肉的動作控制來控制家用設備如窗簾的上下開關；第三組則結合EOG與肌電訊號（EMG），偵測專注狀態與肌肉緊繃程度；第四組則將即時手語辨識與臉部表情分析結合，嘗試補足手語溝通中語意與情緒表達的判讀。

其他作品則延伸至視障輔助、居家復健、工業檢測與智慧照護。如第七組以前方攝影機與M55M1執行物件偵測，再透過藍牙耳機提供語音提醒，可以扮演視障者的隨身導航；第八組聚焦工業表面瑕疵分析與品質評估，是團隊中少數直接切入智慧製造的作品；第九組則開發以表面肌電訊號(sEMG)為基礎的穿戴式復健輔助系統，結合感測器與藍牙傳輸，輔助高齡者居家復健與肌力訓練，並提供動作與疲勞狀態分析。

各組同學在簡報之外也透過攤位示範，對審查委員講解專題成果，展現滿滿活力與創意。(攝影：Judith Cheng)

此外第十組則提出由即時ECG驅動的閉迴路經皮耳迷走神經刺激研究平台，特別強調可建立供研究人員收集資料、驗證刺激策略與觀察事件前後生理變化的平台；第十一組則以單導程ECG重建與預測多種心血管疾病風險為核心，設計從感測、運算、雲端決策到網頁呈現的分層架構；第十二組為單人團隊，作品定位為居家情境下的醫療照護系統原型，目標不是診斷疾病，而是整理病患自述、ECG等生理訊號與訊號可靠度，協助臨床檢視前的資料結構化。

從跨域共學走向產業橋接

相較於許多AI課程著重模型訓練、工具使用或開源資料集操作，「智慧運算生醫跨域晶片系統應用課程」更強調從真實資料與實際場域出發。李順裕教授指出，若缺乏感測裝置、檢測平台與場域數據，AI模型即使在開源資料庫上表現良好，也不一定能直接對應到實際應用需求。因此，這門課程的設計並不是讓學生只完成一個演算法作業，而是從資料如何被產生、訊號如何被擷取、模型如何部署到晶片平台，以及最終如何回應使用者需求，建立完整的系統開發觀念。

這也是今年課程持續導入產業資源的原因。從鯨揚科技提供的生理訊號產生器、裕晶醫學科技的TriAnswer智慧穿戴物聯網開發模組，到ADI、新唐科技、阿比特電子等晶片與運算平台，再延伸至和椿科技的靈巧手與機器手臂、易步機器人的外骨骼機器人載具，課程逐步把「資料、檢測、運算、服務」串成可被學生實際操作的學習鏈。學生在專題過程中不只是學習AI模型，也必須理解感測訊號品質、硬體限制、通訊介面、邊緣推論效能與應用場景之間的取捨。

隨著高齡化社會加速到來，在宅照護、智慧醫療與機器人照護將成為未來重要應用方向，課程也嘗試讓學生理解智慧照護不是單一裝置，而是一套結合感測、運算、判讀、回饋與服務的系統。李順裕總結指出，若未來教育部計畫能持續支持，這類課程有機會進一步擴大到更多跨校、跨領域與產業合作場域，成為培養台灣AI MCU、智慧醫療與機器人照護系統人才的重要實作平台。