資策會AI辨識黃金蜆開合 結合數位雙生2分鐘內揪出水質異常

資策會人工智慧研究院以AI辨識黃金蜆開合行為,結合邊緣AI與數位雙生技術,最快2分鐘內偵測急毒性污染,已於新北地區淨水廠完成210萬人口供水區驗證。

技術創新:AI視覺感測與數位雙生的結合如何實現水質監測?

資策會人工智慧研究院開發「生物水質感測數位雙生技術」,以AI影像辨識黃金蜆開合行為監測水質CITE:E1。該技術參考國外淡水雙殼類水質指標生物研究,選用台灣本土黃金蜆作為監測指標CITE:E10。系統採用輕量化養蜆箱搭配攝影機,並導入邊緣端AI及零樣本學習(ZSL)技術,以克服不同蜆隻在殼紋、顏色上的個體差異,將辨識結果映射為行為數位雙生CITE:E11。資策會AI院組長蔡政鴻說明:「黃金蜆平時會打開貝殼進食、呼吸,但當水質受到污染時,便會立即閉殼保護自己,我們就是利用這樣的現象,把蜆當成生物感測器,用牠的開合來監測水質好壞。」CITE:E3

黃金蜆作為生物感測器的原理與技術實現細節是什麼?

每個活水式養蜆箱內部放置10顆台灣黃金蜆,透過流動活水持續監測水質變化CITE:E2。蔡政鴻指出,黃金蜆受污染時會立即閉殼保護自己,團隊利用此行為將蜆作為生物感測器CITE:E3。此設計參考國外淡水雙殼類指標生物研究,選用台灣本土黃金蜆CITE:E10,並以邊緣端AI搭配零樣本學習技術辨識個別蜆隻的開合狀態,再映射為行為數位雙生CITE:E11。

邊緣AI架構設計如何在偏遠水源地實現低頻寬與即時監測?

資策會AI院指出,水源地多位於偏遠山區、網路頻寬有限,系統因此採用邊緣AI架構部署CITE:E5。系統在現場以小型運算設備完成影像辨識,僅回傳辨識結果而非持續傳送影像,以降低頻寬需求並提升即時性CITE:E5。此架構搭配零樣本學習(ZSL)技術辨識蜆隻開合狀態CITE:E11。蔡政鴻表示,相較傳統生物監測設備,系統可降低約80%的硬體建置成本、維護時間及偵測時程,AI辨識準確率超過90%,最快可在2分鐘內偵測急毒性污染事件CITE:E4。

新北淨水廠實測驗證:系統在210萬人口供水區的應用實效與反應時間

該技術已與自來水公司合作,先導入新北地區淨水廠驗證,該淨水廠服務供水人口約210萬人CITE:E7。實測中,當上游調整加藥後,下游養蜆箱隨即出現集體閉殼現象,驗證黃金蜆可作為水質異常的即時生物指標CITE:E8。相關系統已於同一場域完成驗證,該場域供水人口達210萬人CITE:E14,部署過程中同樣觀察到蜆群集體閉合現象CITE:E15。

網頁介面與實時監測:用戶如何透過系統查看水質異常預警?

資策會開發的系統導入網頁式操作介面,使用者透過瀏覽器即可查看即時影像、蜆的開合數量與變化趨勢CITE:E13。此設計降低過往監測畫面需要專業人員判讀的門檻CITE:E13。

開發歷程與成本效益:如何實現80%成本降低與90%以上辨識準確率?

資策會AI院表示,整套技術歷時約一年完成開發CITE:E6。蔡政鴻說明,相較傳統生物監測設備,系統可降低約80%的硬體建置成本、維護時間及偵測時程,AI辨識準確率超過90%,最快2分鐘內偵測急毒性污染事件CITE:E4。資策會另表示,這套技術可讓硬體成本、日常維護時間及偵測時程等面向優化達80%,AI辨識準確率達90%以上,並可在2分鐘內捕捉急毒性污染事件CITE:E12,兩份數據彼此吻合。

產業推廣與未來應用版圖:從展示到多場域擴展的策略

資策會的「生物水質感測數位雙生技術」將於8月28、29日在「2026 Meet Greater South亞灣新創大南方」展示CITE:E9。資策會表示,未來將持續推動技術擴散應用,除淨水廠外,也將拓展至抽水站、水庫、養殖及工業、民生廢水監測場域,並透過技術移轉及系統整合業者合作,協助降低水質監測門檻、提升水資源管理效率CITE:E16。

關鍵數字一覽

這代表什麼

資策會人工智慧研究院揭露的80%成本效益與90%以上辨識準確率,分別出現在CITE:E4與CITE:E12兩則描述中,數值一致;新北地區淨水廠約210萬人口供水區的驗證,也同時見於CITE:E7與CITE:E14,兩處供水人口數字互相印證。上游調整加藥後下游養蜆箱集體閉殼的現象,也分別記錄於CITE:E8與CITE:E15。這代表系統從技術開發走向新北地區實際供水場域的路徑,已具備可重複驗證的數據基礎,而資策會規劃將應用場域從淨水廠擴展至抽水站、水庫、養殖及工業、民生廢水監測CITE:E16,顯示技術定位不僅止於單一場域的示範。