國中科展 · 生活與應用科學科（二）· 詳細研究計畫 · 2026-09-25

結合果蠅蕈狀體神經網路之電子鼻
於水果熟成與腐敗判別之研究

結論：可行，建議執行。 約 6 個月、NT$6,000–8,700（粗估，未查價）可完成主線：用 M5Stack 加三顆氣體感測器做成電子鼻，把訊號送進仿果蠅蕈狀體的稀疏編碼分類器，判斷香蕉處於「新鮮、可食、過熟、腐敗」哪一階段，並驗證能否比肉眼早幾天發現腐敗。最大風險有兩個：金屬氧化物感測器的濕度干擾與漂移（11 月實驗一驗證），以及每次量測約 12 分鐘造成的量測工作量。

題目新穎度：高（10 年全國得獎 0 件電子鼻） 科別定位：食品問題為主體 感測器濕度干擾：待 11 月驗證 蕈狀體程式：需改寫輸入層與多類輸出 每日量測工作量：偏重 器材價格：尚未查詢經銷商 參考文獻：尚未查證
14–16 維每次量測的氣味特徵
2,000 個模擬 Kenyon 細胞，只亮 5%
4 個階段新鮮／可食／過熟／腐敗
6 個實驗感測器 → 模型 → 香蕉 → 延伸
≥ 1 天目標：比肉眼提早發現腐敗
題目、研究問題與創新點

果蠅靠嗅覺尋找發酵中的水果。牠腦中的「蕈狀體」只用約 2,000 個 Kenyon 細胞，就能分辨上千種氣味，而且學一次就記得。本研究把這套「聞法」搬到電子鼻上，用來回答一個生活問題：這根香蕉還能不能吃？還能放幾天？

研究問題

  1. M5Stack 可用的三顆氣體感測器（BME688、SGP30、SCD40），對「果蠅真正在聞」的乙醇、醋酸、乙酸乙酯、二氧化碳，靈敏度、重複性與回復時間各是多少？
  2. 仿蕈狀體的稀疏編碼分類器，和單一感測器門檻、kNN、邏輯回歸、BME AI-Studio 相比，準確率如何？
  3. 每類只給 1、3、5、10 個樣本時，哪種方法學得最快？
  4. 濕度或濃度改變時，哪種方法的判斷最穩定？
  5. 電子鼻判定「開始腐敗」的日期，能比肉眼提早幾天？室溫和冷藏的腐敗曲線有何不同？
  6. （延伸）學會新氣味之後，舊氣味會不會忘記？

研究假設

編號假設判斷標準對應實驗
H1三顆感測器組合後，能分辨 4 種標準氣味與清水5 類交叉驗證準確率 ≥ 90%E1、E2
H2樣本很少時，仿蕈狀體比 kNN、邏輯回歸學得快每類 3 個樣本時，準確率高於對照方法，且 20 次抽樣的平均差 > 1 個標準差E3
H3經側向抑制正規化後，濃度改變對判斷的影響變小換成 1/2、2 倍濃度時，準確率下降 ≤ 10 個百分點E4
H4電子鼻能比肉眼提早發現香蕉開始腐敗多數香蕉的提早天數 ≥ 1 天E5

門檻數字是研究前先訂下的目標，實驗後照實回報，未達標也是結果。

創新點

  • 氣味選擇仿生：不是隨便挑氣體，而是挑果蠅用來找爛水果的乙醇、醋酸、乙酸乙酯、CO₂。
  • 演算法仿生：把果蠅「側向抑制 → 稀疏擴張 → 多巴胺學習」三個步驟實作成分類器，並與傳統方法定量比較。
  • 少樣本學習：果蠅學一次就會。家庭用電子鼻也不可能收集上千筆資料，這點比準確率更有實用意義。
  • 食品科學主體：以糖度、pH、失重、褐斑面積當標準答案，量出香蕉的腐敗曲線，不是只做機器分類。
科別選擇與新穎度

為什麼選生活與應用科學科（二）

科（二）自第 63 屆（2023）起範圍是「生物科技／食品科學」，化工與環境改列科（三）。第 63–65 屆國中組科（二）全國得獎 42 件，類型集中在食品加工與物性、微生物與發酵、天然萃取物功效、生物材料，全部都有實際的濕實驗與生活應用，純模擬作品 0 件。所以本研究把「水果何時腐敗」放在主體，神經模型與電子鼻定位為解決問題的工具。

屆科別作品與本研究的關係
58生活（二）自製多功能行動光譜儀探討果汁新鮮度同為自製儀器檢測新鮮度，但用光譜而非氣味
60生活（二）可見光與近紫外線光譜分析蜂蜜品質儀器檢測食品品質
65生活（二）運用非破壞性電阻抗法檢測超音波催化效果（香蕉）分科後的新科（二），電子量測食品，同樣用香蕉
65生活（二）自釀釋迦醋之探討發酵題材，可作延伸實驗對照

歷屆作品新穎度比對

比對範圍：國中組第 56–65 屆（2016–2025）全部科別全國得獎作品，共 1,086 件。

限制：只比對全國決賽得獎作品的名稱，未含縣市賽作品，也未逐件閱讀內文。

評審可能的質疑與回應

「這比較像工程，不像食品科學？」

說明書中食品實驗（E5 與標準答案量測）佔一半以上篇幅；題目把「水果熟成與腐敗」放在前面；結論以腐敗曲線與提早天數為主。

「為什麼要用果蠅模型，直接用現成 AI 不行嗎？」

E2、E3 直接比較。重點不是準確率贏多少，而是「每類只給幾個樣本時誰學得快」和「濃度改變時誰比較穩」，這兩點是家用電子鼻真正會遇到的問題。

研究原理：果蠅怎麼聞 → 如何模仿

偵測對象：選「果蠅真正在聞」的氣味

氣體在食物中代表對果蠅的意義對應感測器
乙醇水果過熟、酵母發酵強烈吸引SGP30、BME688
醋酸發酵後期、變酸吸引BME688
乙酸乙酯熟水果香味吸引BME688、SGP30
二氧化碳呼吸作用、微生物生長高濃度時逃避SCD40
感測器限制：M5Stack 沒有專用的氨氣或硫化氫感測器，對肉類、魚類腐敗產生的胺類反應差，因此不以肉魚為樣本。乙烯對金屬氧化物感測器反應很弱，不作為主要指標。

果蠅嗅覺迴路與電子鼻的對應

果蠅 電子鼻 觸角嗅覺受器約 50 種受器 觸角葉 PN側向抑制、正規化 蕈狀體 KC~2,000 個，只亮 5% 輸出神經元 MBON多巴胺調控學習 3 顆氣體感測器14–16 維原始值 扣基準 + 除總量濃度不影響形狀 隨機稀疏投射每個 KC 接 6–7 個輸入 4 個輸出單元新鮮／可食／過熟／腐敗 APL 神經元的全域抑制 → 只保留最活躍的 5%（Top-k）
硬體：M5Stack 電子鼻與採樣盒 密封保鮮盒（約 2–3 L） 香蕉樣本 BME688（0x77） SGP30（0x58） SCD40（0x62） 風扇 乾淨空氣進 抽氣泵出 M5StackCore2 Grove I²C

氣體感測單元選擇

單元晶片量測項目用途決定
Unit ENV-ProBME688VOC 綜合反應、溫度、濕度、氣壓加熱溫度可切換最多 10 段，一顆就有約 10 維氣味指紋主力
Unit Mini TVOC/eCO2SGP30乙醇與氫氣原始訊號、TVOC乙醇是過熟與發酵的關鍵氣體主力
Unit CO2 / CO2LSCD40／SCD41紅外線式 CO₂、溫濕度呼吸作用與微生物生長指標主力
Unit MQMQ-5液化石油氣、甲烷與食品關係小不採用
Air Quality KitSEN55 + SCD40PM、VOC、NOx 指數、CO₂功能重疊且較貴不採用

三顆主力感測器的 I²C 位址互不衝突（SGP30 0x58、SCD40 0x62、BME688 0x77），用 Grove 分接器串在 Core2 的 Port A 即可。

接線前要確認：Grove Port A 是 5 V 供電，三個 Unit 模組是否都內建 3.3 V 穩壓與電位轉換，請以 M5Stack 官方文件為準。SGP30 開機後前 15 秒輸出固定值，量測程式要跳過；它的基準值需要長時間運轉才穩定，每天開機後先暖機 30 分鐘再開始量測。
採樣流程與特徵

一次量測（約 12 分鐘）

乾淨空氣 2 分 放入樣本 3–5 分 換氣 5 分（回復） 基準值 b 上升時間 t₉₀ 穩定值 r（取最後 30 秒平均） 回復時間（回到基準 ±10%） 反應 示意圖，非實測資料

每次量測的特徵向量

來源特徵維度
BME68810 段加熱溫度下的氣體電阻（相對基準變化量）10
SGP30乙醇原始訊號、氫氣原始訊號2
SCD40CO₂ 濃度增量（ppm）1
環境溫度、相對濕度（、氣壓）2–3
合計15–16

溫濕度本身不是氣味，但要記錄下來：E4 會檢查濕度改變時模型是否受影響；若影響大，再比較「放入模型」與「只用來校正」兩種做法。

採樣標準作業程序（SOP）

  1. 每天開機暖機 30 分鐘；量一次「空盒」當日基準。
  2. 樣本放入前，先在室溫靜置到與室溫相同（冷藏組需回溫 30 分鐘，避免溫度干擾與盒內結露）。
  3. 每個樣本量測時間、放入位置、盒子開關順序都固定；記錄開始時間。
  4. 每量 5 個樣本插入一次空盒量測，用來追蹤漂移。
  5. 樣本量測順序每天隨機排列，避免「最後量的總是比較爛」的系統誤差。
仿果蠅蕈狀體模型

第一層：投射神經元（PN）— 扣基準、除總量

xi = (ri − bi) / bi      pi = xi / ( Σj |xj| + ε )

r 是樣本穩定值、b 是當日乾淨空氣基準。除以總量後，同一種氣味不論濃或淡，「形狀」都一樣，這就是果蠅觸角葉側向抑制的效果（研究假設 H3）。

第二層：Kenyon 細胞（KC）— 隨機稀疏擴張

hk = Σj Wkj pj      yk = 1 若 hk 在前 5%，否則 0

W 是 2,000 × 16 的隨機 0/1 矩陣，每一列只有 6–7 個 1（每個 KC 隨機接 6–7 個輸入）。W 建好後固定不變，不需訓練。16 維被擴張成 2,000 維，但每次只有 100 個 KC 被點亮，不同氣味的編碼重疊很少。

第三層：輸出神經元（MBON）— 多巴胺學習

oc = Σk wck yk      Δwck = η · dc · yk

學習時，正確類別的多巴胺訊號 dc = +1，其他類別 dc = −1/3（輕微抑制）。只有被點亮的 KC 會改權重，所以學新東西時不太會動到舊記憶（實驗 E6 要驗證）。判斷時取 oc 最大的類別，信心度用 softmax 換算。

與既有 FlyBrain 程式的關係

FlyBrain 專案（02 資料夾）的 flybrain/mushroom.py 已經實作 KC 稀疏度（5%）、多巴胺學習與記憶衰減，mushroom_capacity.py、odor_generalisation.py 可參考。但它的 encode() 是把「氣味名稱」雜湊成 KC 編碼，輸出只有好／壞一種價值，不能直接吃感測器數值、也不能分 4 類。本研究需要新寫：(1) 感測向量 → KC 的隨機投射層；(2) 4 個輸出單元的多類學習規則。預估 11 月完成。

對照方法

方法說明為什麼要比
單一感測器門檻只看 SGP30 乙醇訊號，超過門檻就判定過熟／腐敗最簡單的做法，代表「一顆感測器夠不夠」
kNN（k = 1, 3）找最像的訓練樣本少樣本時的常見基準
邏輯回歸線性分類器標準統計方法
BME AI-StudioBosch 官方的 BME688 訓練工具業界現成方案；只用得到 BME688 資料
仿蕈狀體（去掉正規化）拿掉 PN 層除總量那一步消融實驗：證明「側向抑制」這一步真的有用

移植到 M5Stack（ESP32）

W 是固定的 0/1 矩陣，可以只存每個 KC 接哪 7 個輸入（2,000 × 7 個位元組 ≈ 14 KB）；輸出權重 4 × 2,000 個浮點數 ≈ 32 KB。記憶體應足夠，但實際速度與記憶體用量需在 2 月實測後再寫入說明書。

標準答案：香蕉熟成分級

模型要學的「正確答案」必須在實驗前定好，並且不看電子鼻讀值。以下為初版，須先與指導老師確認。

新鮮可食過熟腐敗 果皮色階 1–5色階 6–7，褐斑 < 10%褐斑 10–50%褐斑 > 50% 或出汁、發霉
指標量法用途
果皮色階常用的 1–7 級香蕉色卡，固定光源與背景拍照分級主依據
褐斑面積 %照片以 ImageJ 門檻法計算褐色像素比例分級主依據，可量化
糖度（°Brix）取果肉汁液，糖度計熟成曲線；破壞性，每天犧牲 1 根
pH果肉加蒸餾水 1:1 打勻變酸指標；破壞性
重量損失 %每天同一時間秤重水分散失；非破壞
肉眼判定「不能吃」3 位不知道電子鼻結果的同學看照片投票，多數決E5 比較提早天數的對照

破壞性量測（糖度、pH）用「陪測香蕉」：同批多買幾根，每天剖一根，不動到電子鼻追蹤的那幾根。

實驗總表（可搜尋、可篩選）

編號類別實驗變因量測／成功標準月份
E1感測器感測器特性：4 種標準溶液 × 3 濃度 × 10 次操縱：氣體種類、濃度；控制：盒內體積、溫度、採樣時間上升時間、穩定值、回復時間、變異係數 CV < 10%；找出最能區分 4 種氣體的 BME688 加熱組合11 月
E1b感測器漂移測試：連續 7 天每天量空盒與同一瓶標準溶液操縱：日期每日基準變化幅度；扣基準後讀值是否穩定11 月
E2模型分類方法比較（5 類：4 種氣體 + 清水）操縱：分類方法；控制：同一份資料、同一切分準確率、混淆矩陣；H1：≥ 90%12 月
E3模型少樣本學習：每類 1、3、5、10 個樣本，各隨機抽 20 次操縱：樣本數、方法學習曲線（平均 ± 標準差）；H212 月
E4模型抗干擾：濕度（加濕盒 / 乾燥劑）與濃度（1/2、2 倍）操縱：相對濕度 3 段、濃度 3 段準確率下降幅度；H3：≤ 10 個百分點2 月
E5食品香蕉熟成與腐敗：3 批 × 室溫／冷藏，每天量到腐敗操縱：保存溫度、天數；控制：品種、採樣流程腐敗曲線；電子鼻比肉眼提早的天數；H4：≥ 1 天1 月
E5b食品氣味特徵與食品指標的相關性—乙醇、CO₂ 訊號與糖度、pH、褐斑面積的相關係數1–2 月
E6延伸連續學習：先學 3 類，再學第 4 類操縱：方法（蕈狀體 vs 邏輯回歸逐步更新）舊 3 類準確率下降幅度2 月
E7延伸自釀水果醋：酒精發酵期 → 轉醋期 → 完成期操縱：發酵天數電子鼻能否分出三期；與 pH 對照1–2 月（選做）
E8延伸換水果：草莓或芭樂，冷藏 vs 室溫操縱：水果種類香蕉訓練的模型能否直接用在別的水果2 月（選做）
實驗步驟細節

E1 感測器特性

  1. 標準溶液：食用酒精、白醋、乙酸乙酯（或香蕉油香精）、清水。各配 3 種濃度（例如 1%、5%、10%，實際濃度以預試驗「感測器有反應但不飽和」為準）。
  2. 每次用微量吸管取固定體積（例如 0.5 mL）滴在盒內小培養皿上，照 SOP 量測。
  3. 4 種 × 3 濃度 × 10 次 = 120 次，約 24 小時機器時間，分 5–6 天完成，每天順序隨機。
  4. BME688 加熱組合：先用 Bosch 預設的 10 段組合，再試 2–3 種自訂組合，比較各組合下 4 種氣體的分離程度。

E2 分類方法比較

  1. 用 E1 資料（加清水共 5 類，每類 30 次）。
  2. 依「量測日」分組做交叉驗證（留一天出來當測試），避免同一天量的資料同時出現在訓練與測試，造成準確率虛高。
  3. 所有方法用同一份切分；報告平均準確率與混淆矩陣。

E3 少樣本學習

  1. 從訓練集中每類隨機抽 n 個（n = 1, 3, 5, 10）訓練，用固定測試集評估。
  2. 每個 n 重複 20 次不同抽樣，畫出「樣本數 vs 準確率」曲線與誤差帶。

E4 抗干擾

  1. 濕度：在盒內放乾燥劑、不放、放濕紙巾，得到低、中、高三段濕度（以 BME688 讀值為準）。
  2. 濃度：用訓練時沒看過的 1/2 倍與 2 倍濃度測試。
  3. 比較各方法準確率下降幅度；加做「去掉 PN 正規化」的消融組。

E5 香蕉熟成與腐敗（食品科學主體）

  1. 至少 3 批不同購買日或來源的香蕉（同品種），每批 10 根編號：5 根室溫、5 根冷藏，另加 4–6 根「陪測香蕉」做破壞性量測。
  2. 每天固定時間：拍照 → 秤重 → 電子鼻逐根量測 → 陪測香蕉剖開量糖度與 pH。
  3. 量到全部腐敗為止（室溫約 8–12 天；冷藏較久，冷藏組最長追蹤 14 天）。
  4. 「電子鼻判定腐敗日」＝模型連續 2 天判為腐敗且信心度 ≥ 0.7 的第一天；「肉眼判定日」＝3 位同學看照片多數決判為不能吃的第一天。兩者相減即提早天數。
  5. 訓練與測試依批次切分：用 2 批訓練、第 3 批測試，輪流三次，證明模型不是只記住某一根香蕉。
工作量估計：每批 10 根 × 每根 12 分鐘 ≈ 每天 2 小時。E1 量完回復時間後，若換氣 3 分鐘就足以回到基準，可把每次量測縮到約 8 分鐘。

E6 連續學習（延伸）

先用新鮮、可食、過熟 3 類訓練，測準確率；再只用「腐敗」資料追加訓練，重測舊 3 類。比較蕈狀體與「邏輯回歸逐步更新」的遺忘程度。

數據分析方法
問題分析方法呈現方式
感測器重複性變異係數 CV = 標準差 ÷ 平均各氣體 × 濃度的 CV 表
氣味能否分開主成分分析（PCA）降到 2 維散佈圖，每類一種顏色
方法比較依日期／批次分組交叉驗證準確率長條圖 + 混淆矩陣
少樣本20 次重複抽樣的平均 ± 標準差學習曲線
腐敗曲線各指標對天數作圖，室溫 vs 冷藏折線圖（褐斑、糖度、pH、失重、乙醇、CO₂）
氣味與品質的關係Pearson／Spearman 相關係數相關係數熱圖
提早天數每根香蕉的「肉眼日 − 電子鼻日」點圖，標示中位數

工具：Python（numpy、scikit-learn、matplotlib）在電腦上分析；ImageJ 量褐斑面積。樣本數少，只做描述統計與效果量，不過度宣稱「顯著」。

數據記錄表
欄位群組欄位
基本資料樣本編號、批次、第幾天、保存條件（室溫／冷藏）、量測日期時間、量測順序
環境室溫、室內濕度、盒內溫度、盒內濕度、氣壓
基準當日空盒 BME688 10 段電阻、SGP30 乙醇／氫氣、CO₂
感測器原始值BME688 10 段電阻值、SGP30 乙醇與氫氣原始值、TVOC、CO₂（每秒一筆，另存穩定值）
食品標準答案照片檔名、色階、褐斑面積 %、重量、糖度、pH、硬度（可選）
判斷分級標籤、肉眼投票結果、模型輸出與信心度
加分項培養皿菌落計數（需老師指導無菌操作）

M5Stack 把每秒原始值存成 microSD 上的 CSV，檔名含日期與樣本編號；每天結束後複製到電腦並備份到雲端硬碟。

timestamp,sample_id,batch,day,storage,phase,bme_r0,...,bme_r9,sgp_ethanol,sgp_h2,tvoc,co2,temp_c,rh_pct,pressure_hpa
2026-11-03T14:02:11,B1-03,1,4,room,sample,51234,...,18877,17520,13210,145,612,26.1,58.3,1011.2

以上欄位名與數值只是格式範例，不是實測資料。

雲端系統架構（Zeabur） M5Stack 電子鼻 三顆感測器 + 螢幕 microSD 存原始值 Zeabur 服務 / 研究計畫網站（本頁） /api 資料上傳（規劃中） /app 資料看板（規劃中） Volume /data（規劃中） 瀏覽器 老師、組員、評審 HTTPS HTTPS 實線＝目前部署；虛線與黃字＝規劃中，尚未實作

目前只部署研究計畫網站。資料以 microSD 為主，雲端上傳是方便組員即時看曲線的加分項，不是實驗成敗的必要條件；網路斷線時實驗照常進行。若日後加上 /api，裝置金鑰放在環境變數，不寫進程式碼。

時程規劃（2026-10 至 2027-03）
月份工作項目檢查點（當月底前）
2026 年 10 月採購零件、製作採樣盒、撰寫 M5Stack 讀取與記錄程式；與老師確認分級標準能連續記錄 1 小時三顆感測器資料到 microSD
2026 年 11 月E1、E1b 感測器特性與漂移；撰寫蕈狀體輸入層與多類輸出4 種氣體 PCA 散佈圖能分開；否則啟動備案
2026 年 12 月E2、E3 模型比較與少樣本；E5 第 1 批香蕉（預試驗）學習曲線完成；香蕉 SOP 定案
2027 年 1 月E5 第 2、3 批香蕉；E5b 相關分析3 批腐敗曲線完成
2027 年 2 月E4、E6；模型移植到 M5Stack；統計分析M5Stack 可現場判斷並顯示信心度
2027 年 3 月撰寫作品說明書、製作海報、準備現場展示說明書送老師審閱

寒假（約 1 月下旬至 2 月中）在家也能量香蕉，但電子鼻與採樣盒要能帶回家，需先確認。

預算（粗估，未查價）

docx 初稿粗估 NT$5,000–7,000；本表逐項估計後上限較高。所有金額都尚未查詢台灣經銷商實際價格，採購前需更新。

風險評估與備案
風險等級影響對策／備案
濕度干擾高金屬氧化物感測器對濕度極敏感，香蕉本身會釋放水氣每次記錄溫濕度；固定採樣流程；E4 量化影響；必要時盒內放定量乾燥劑
感測器漂移中同樣氣味每天讀值不同每日量空盒基準；特徵改用相對變化量；每 5 個樣本插一次空盒
4 種氣體分不開中H1 不成立11 月檢查點；改用 3 類（乙醇、醋酸、清水）或調整 BME688 加熱組合；結果照實寫
每日量測工作量中每天約 2 小時，組員負擔大縮短換氣時間（依 E1 回復時間）；組員輪班；必要時每批降到 6 根
蕈狀體程式需改寫中既有程式不能直接吃感測器數值11 月先在電腦上完成並用 E1 資料驗證；移植到 M5Stack 是加分項，失敗時用電腦判斷展示
香蕉批次差異中模型只記住某一批依批次切分訓練與測試；至少 3 批
評審認為偏工程中被質疑不屬科（二）食品實驗佔一半以上篇幅；題目把「水果熟成與腐敗」放前面
模型不易理解低評審不熟神經科學一張圖說明「果蠅怎麼聞 → 如何模仿 → 為什麼更好」
乙酸乙酯安全低揮發性有機溶劑見「安全規範」；或改用香蕉油香精
安全規範
  • 乙酸乙酯、酒精為易燃液體：遠離火源與加熱器，只取少量稀釋液，在通風處操作，老師在場。
  • 腐敗水果與菌落培養皿：戴手套，用完密封丟棄；培養皿不開蓋觀察，丟棄前依老師指示處理。
  • 實驗香蕉一律不食用。
  • 抽氣泵出口朝窗外或通風處，不在密閉房間長時間排放。
  • 鋰電池：M5Stack 內建電池，充電時有人看管，不在採樣盒內充電。
預期成果與應用
  • 一台成本數千元、可現場展示、能即時顯示判斷結果的仿果蠅電子鼻。
  • 三顆感測器對 4 種食品關鍵氣體的特性數據（靈敏度、重複性、回復時間）。
  • 仿蕈狀體方法在少樣本學習與抗濃度變化上的定量比較，以及「側向抑制」這一步的消融結果。
  • 香蕉在室溫與冷藏下的腐敗曲線，以及電子鼻比肉眼提早偵測的天數。

應用場景

家庭

冰箱或水果籃旁的小盒子，提醒「這串香蕉再 2 天要吃完」，減少食物浪費。

水果通路

倉庫抽檢時快速找出開始腐敗的箱子，避免一箱壞掉帶壞整批。

備選題目（討論過但未採用）
編號科別題目新穎度
N1生活（二）果蠅的鼻子比儀器靈？用果蠅判斷水果熟度與腐敗時間點★★★★
N2生活（二）醋酸和酒精多少比例最能引誘果蠅？自製發酵誘捕液★★★（第 62 屆有咖啡果小蠹誘引劑前例）
N3生活（二）不同酵母發酵的氣味，果蠅比較愛哪一種？★★★★
N4生活（二）精油驅蟲能撐多久？以習慣化時間常數預測驅避劑效期★★★★（第 56 屆有中藥氣味驅蚊前例）
N5生活（二）咖啡因或高糖飲食對果蠅氣味學習記憶的影響★★★★
N6生活（二）夜間光照與宵夜對果蠅活動節律的影響★★★★
N7生活（二）優格益生菌能讓果蠅活更久、動更多嗎？★★★（第 64 屆有植物乳桿菌對蟋蟀前例）
N8生活（二）以果蠅行為做蔬菜農藥殘留的生物檢測★★★★
B1生物果蠅在黑暗中走得直嗎？方向漂移與環狀吸引子模型比對★★★★★
B2生物果蠅氣味學習的泛化梯度★★★★
B3生物果蠅對氣味的習慣化衰減與恢復時間★★★★
B4生物自製攝影機追蹤果蠅 24 小時活動節律★★★★
B5生物勝負經驗對果蠅打鬥行為的影響★★★（第 57 屆蟋蟀打鬥前例）
B6生物果蠅步態錄影分析與 CPG 模型比對★★（第 64 屆蟑螂步行前例）
E1生活（一）仿果蠅趨性搜尋的瓦斯外洩源定位機器人★★★★★
E2生活（一）仿果蠅羅盤的無 GPS 室內導航★★★★
E3生活（一）六足救災機器人的步頻、扭力與穩定度設計★★★★
E4生活（一）伺服壽命、電源與安全停機的可靠度設計★★★
P1物理多台機器人經無線耦合的節律同步★★★
M1數學隨機稀疏編碼重疊機率與記憶容量推導★★★★

星數判準：5＝科展 10 年 0 件且無現成實作；4＝科展 0 件但有研究級實作；3＝有近似科展作品或教案；2＝科展常見；1＝入門教學等級。

Zeabur 部署步驟
  1. 把專案推到 GitHub（.omc、.remember、實驗原始資料已列在 .gitignore）。
  2. 在 Zeabur 建立專案，選「從 GitHub 部署」。Zeabur 會偵測根目錄的 Dockerfile（nginx 靜態網站，監聽 8080）。
  3. 產生網域，例如 flyenose.zeabur.app（實際名稱部署時再定）。
  4. 之後每次 push 到 main，Zeabur 會自動重新部署；網頁設定為每次重新驗證，不會看到舊版。
行動清單

  • 與指導老師確認題目、科別（生活與應用科學科（二））與香蕉分級標準
  • 查詢 Core2、ENV-Pro、SGP30、SCD40 台灣經銷價格，更新預算
  • 確認三個 Unit 的供電與電位規格，以及 Grove 分接器接法
  • 採購零件、保鮮盒、風扇、抽氣泵、糖度計、pH 計
  • 製作採樣盒（進氣、出氣、感測器固定座）
  • 撰寫 M5Stack 讀取與 microSD 記錄程式，連續記錄 1 小時測試
  • 寫好採樣 SOP 與數據記錄表，組員分工排班
  • 完成 E1、E1b 感測器特性與漂移測試（11 月檢查點）
  • 寫蕈狀體輸入層（感測向量 → KC）與 4 類輸出，用 E1 資料驗證
  • 完成 E2、E3 方法比較與少樣本學習曲線
  • 完成 E5 三批香蕉實驗與腐敗曲線
  • 模型移植到 M5Stack，實測速度與記憶體
  • 逐一查證參考文獻（原始論文、官方文件）
  • 撰寫作品說明書、海報與現場展示流程

勾選狀態只存在這台瀏覽器。

參考資料（待查證）
  1. 國立臺灣科學教育館，全國中小學科學展覽會科別說明：twsf.ntsec.gov.tw/Article.aspx?a=38
  2. 全國中小學科學展覽會第 56–65 屆國中組得獎名單：https://twsf.ntsec.gov.tw/activity/race-1/{屆}/high.html
  3. M5Stack 官方產品列表：docs.m5stack.com/en/products
  4. M5Stack Unit Mini TVOC/eCO2（SGP30）說明：docs.m5stack.com/en/unit/tvoc
  5. FlyBrain 數位雙生專案程式：flybrain/mushroom.py、examples/sciencefair/mushroom_capacity.py、odor_generalisation.py
  6. 待補（需查原文）：果蠅蕈狀體稀疏編碼與 APL 抑制的原始研究；以果蠅嗅覺迴路做相似度搜尋的「FlyHash」研究（Dasgupta 等人）；Bosch BME688 資料手冊與 BME AI-Studio 使用說明；Sensirion SGP30、SCD40 資料手冊；香蕉果皮色階分級的文獻。

第 6 項只列出主題，作者、年份與期刊都還沒查證，寫進說明書前必須先找到原文。