全台 65 歲以上每 6 人就有 1 人曾經跌倒（衛福部統計）。
跌倒長期居於 65 歲以上事故傷害死因第二位。
黃金 1 小時錯過，住院、復健、長照成本平均成長 4 倍以上。
傳統人力巡房做不到的，AI 邊緣運算 + 多模感測可以。 利善美 AI-Guard 在家中 即時偵測異常，3 秒內把警示推到家人手機， 不打擾日常，不錯過關鍵。
從生理量測、行為偵測到雲端串流 — 端到端整合的長照智慧解決方案，四大產品線無縫協作。
Micro-ROS + DDS 分散式通訊，感測資料零延遲穿透至閘道與雲端。
邊緣 NPU 即時推論，影像與聲音在家中完成判讀，原始資料不出戶。
影像、聲音、生理、環境多模整合，全室無死角的智慧偵測網。
異常事件秒推 LINE，家人第一時間在身邊；不打擾，但不錯過。
無需穿戴、無需碰觸 — 由臉部影像光學訊號，即時推估心率與健康狀態。
自動辨識使用者身分，並結合 rPPG 技術，由臉部影像非接觸式估測心率資訊。
多元健康量測設備蒐集生理數據，經閘道器上傳至系統平台分析；異常立即透過 LINE Bot 警示。
體溫、心率、血氧、血壓、體重、心律 — 從量測到通報的端到端健康流程，秒推家人手機。
體溫槍／血壓計／血氧儀／體重計
蒐集生理數據並安全上傳
即時分析、歷史趨勢與閾值判讀
數值異常自動發出警示給家人
行為姿態、跌倒警告、墜落事件 — 嵌入式 NPU 端側推論 45ms 內完成判讀，異常瞬間推送 LINE。
影像輸入採 DCMIPP 內建硬體 ISP，大幅降低 CPU 負載。
於嵌入式設備中的 NPU 進行 AI 推論並進行預警 — 行為姿態、姿態跌倒警告、跌倒偵測。
異常事件即時推播，協助用戶第一時間了解情況。
影像不離家門即完成判讀；資料不出戶，運算不上雲。
咳嗽聲、哭泣聲、物品掉落 — 數位麥克風採集後，邊緣 AI 辨識並判別風險等級。
數位麥克風輸入語音，配合 MDF & SAI 進行加速與優化。
嵌入式 NPU 進行語音事件分類，即時辨識咳嗽、哭泣、物品掉落等異常。
需要關懷的聲音瞬間到達照護者手機。
覆蓋健康風險、嬰幼兒哭泣、安全事件三大語音情境。
Micro-ROS 框架 + DDS Publish/Subscribe，將感測器資料即時送至閘道處理；可建立 RTSP 影音串流服務。
在 Micro-ROS 框架下，可於物聯網中達成 DDS 分散式通訊機制。
使用 Publish / Subscribe 機制，將感測器資料即時傳送給閘道器處理 — 例：以影像／音訊資料建立 RTSP 串流服務。
STM32N6 內建 Neural-ART NPU 神經網路加速器（高達 600 GOPS），搭配 800 MHz Cortex-M55 主核，讓影像與音訊推論在裝置內就能完成。原始資料不上雲，延遲與隱私風險從源頭降低。
每個感測節點都是獨立的 publisher / subscriber 端點，依 topic 名稱互相訂閱。無中央伺服器、無單點失效——這正是工業級分散系統與一般 IoT 集中式架構的關鍵差異。
攝影機、麥克風、慣性感測器分別把資料 publish 到不同 topic（／img、／audio、／imu）。閘道器訂閱對應 topic 後做後處理：RTSP 封裝、AI 二次推論、跨感測器交叉驗證。
/imgsensor_msgs/Image 格式發布；閘道器訂閱後即時轉成串流或存檔。/audioaudio_common_msgs/AudioData 發布；訂閱端用於聲音事件分析。/imusensor_msgs/Imu 發布；用於跌倒姿態判讀、活動量統計。閘道器把整合後的資料分為三條獨立通道送出：即時觀看、雲端歸檔、事件分析。三方各自訂閱，不會互相阻塞，也不會因為某一條斷線而影響其他。
rtsp://gateway:554/live 即可即時觀看。↓Scroll · 四個階段↓
三大差異化價值，端到端守護長者安全。
影像／聲音判讀於本地 NPU 完成，原始資料不出戶、不上雲；符合長照場景的隱私要求。
影像 + 聲音 + 生理三模交叉驗證，降低單一感測器誤報；覆蓋家中所有風險情境。
採 DDS / Micro-ROS / RTSP 標準協議，可平滑整合既有照護系統與第三方設備。
採購、隱私、整合、合規 — 在洽詢前先了解的 10 個關鍵問題。
無論您是長照機構、住宅整合商、或為家中長輩規劃智慧守護方案 — 填寫表單，我們將在 1 個工作日內回覆。