「預」火重生：資源回收場 AI預測智慧減災系統
G 永續轉型
- 申請編號
- 131
- 隊名
- 早資道
- 聯絡人
- 黃啓賓 ・02-23705888#30331 ・chibin.huang@moenv.gov.tw
AI 輔助評估
摘要
在五股細分選場以CCTV、熱像儀與CO/CO₂感測結合YOLO邊緣推論，於悶燒期預警資收場火災並三通道告警。
實質空洞
否
— 有場域與技術細節
卡詞
否
治理樣板
否
既有作品
否
類似前案（有沒有別人做過）
Fire Rover、JFE Smoke AI等已有回收場熱像/煙霧AI預警，本案屬整合重製
性別影響
幾乎未涉及；資收前線多為中高齡女性，但告警設計與職安效益未做性別分析，值班主管夜間待命負擔亦未評估。
DEI
只服務有場站的公部門與大型業者，拾荒者、個體戶與小型業者被排除；耳機語音、三色燈與LINE假定聽力視力與智慧機，移工與高齡工不利。
STS·社會影響
監測數據轉為稽查依據並監控「人員危險行為」，形成職場監控；根源（民眾未分類）未處理；技術依賴大豐、晶淨等業者，恐有廠商鎖定與利益衝突。
AI 使用
YOLO邊緣偵測與VLM自動標註；八週無真實火災樣本僅靠加熱模擬，「秒級預警、低誤報」無基線；宣稱地端卻又申請國網雲算力。
資安隱私
宣稱不做人臉辨識，但行為辨識、車牌／車流辨識仍可識別個人；VLM標註恐將場域影像上雲；LINE告警經第三方；業者堆置量屬營業機密。
初審
| 總分 | 可行性 | 社會影響力 | 創新性 | 提案團隊多元性 | 資料治理思維 |
|---|---|---|---|---|---|
| 4.65 | 5 | 5 | 4 | 7 | 4 |
評語
內置鋰電池的垃圾，很難以視覺辨識。
筆記
熱像儀偵測燃燒，是很普遍的方案。
初審會議筆記
（無）
工作坊
筆記
鋰電池看不到。
辨識火災。
熱感、影像、氣體。
新北五股的資源回收場。
煙霧影像辨識70%-80%
熱感，熱成像。
氣體還沒確定gas或particle。
運算問題？資源回收場的網路很差。
用合成影像做出訓練。
11月完成影像訓練和辨識，到80%-85%信賴區間。
中央和地方合作，部署到相關資收場，以公務預算來營運。
開源，或是和公司合作。
決審
| 總分 | 可行性 | 社會影響力 | 創新性 | 實作進程驗證 |
|---|---|---|---|---|
| （無） | （無） | （無） | （無） | （無） |
入選
否
評語
（無）
筆記
（無）
同主題提案（主題 15：火災與消防）
- #11 FireMind－AI智慧消防決策平台
- #12 FireWater AI－智慧消防水源決策平台
- #131 「預」火重生：資源回收場 AI預測智慧減災系統
壹、隊名及題目
一、隊名
早資道
二、題目
「預」火重生：資源回收場 AI預測智慧減災系統
三、提案對應之徵件構面
永續轉型
四、團隊要解決的問題？
近年我國資源回收場火災頻傳，核心問題為鋰電池電子電器類普遍於民眾生活，而民眾排出資收物多未分開交付清潔隊，導致含廢鋰電池電子電器類等易燃物混入回收袋堆疊，難以察覺，現行機制存有三大限制，一是資收物進料仰賴人工目視，而廢鋰電池、高危險品、電子產品種類繁多，易藏於其他資收物中，後經打包壓縮時受外力擠壓穿刺，引發起火；二是既有監控多採單一溫度閾值，警報觸發時往往已起明火，錯失悶燒初期的黃金救援窗口；三是高達四成火災發生於夜間非作業時段，無人駐守，且缺乏自動化監控，致初期微弱悶燒迅速擴大為場域大火。這些缺口不僅威脅第一線人員安全，更讓各地方政府清潔隊貯存場遭祝融，及後端資收業者承受數百萬至千萬財損，並造成區域空污問題。為此，本團隊旨在解決「進料端危險物精準辨識」與「無人時段明火前早期預警」兩大議題，並輔以現場作業、進出場車流辨識，提高工作安全，達到提前告警、預先防災的目的。
五、本提案是否屬於尚未進行、且尚未成立標案、未申請政府相關預算之計畫，階段性計畫亦同
是
六、前題若選否，請敘明招標機關、計畫名稱、計畫工作內容與本次精進內容
貳、聯絡人資訊
聯絡人姓名
黃啓賓
聯絡人電話
02-23705888#30331
電子信箱（Email）
chibin.huang@moenv.gov.tw
參、提案內容說明
一、可行性
(一)已有隊員人數（含聯絡人）
9
(二)團隊成員及任務分工？
(三)參賽隊員中是否有「歷屆獲獎團隊或初審入選者」？
是, 2025-雙軸轉型 綠色成長-隊伍：渣難
(四)參賽隊員中是否有其他之獲獎證明？
否
(五)請說明您的提案「已使用」哪些相關資料？
政府開放資料：內政部消防署/全國火災次數起火原因及火災損失統計資料表、CSV檔、113/1-113/12及114/1-114/12，計26筆資料；欄位含年月別、合計次數、21種起火原因次數、死亡人數、受傷人數
政府開放資料：內政部消防署/火災次數分類及時間、PDF檔、106年-114年，計9筆資料；欄位含年別、火災次數(總計、A1、A2、A3)、火災分類共6種、起火時間共8種，從114年消防統計年報表格彙整。
政府開放資料：資源循環署火災案件總表（統計時間113年1月至115年4月，計90筆資料，欄位含案件編號、發生時間、縣市、機構名稱、機構類型、發生原因、災害級別、傷亡人數）
政府開放資料：內政部消防署/A1、A2、A3分類、PDF檔、105/12/15消署救字第1050600448號函彙整
自備資料：
(六)請說明您的提案「後續驗證期間」預計使用哪些相關資料？
政府開放資料：
自備資料：A. 既有監視影像串流 (a)時間區間：實作期（115/9/21–10/2）連續擷取；另回溯既有錄影。 (b)格式：RTSP／H.264 影像流，事件觸發時輸出 ROI 截圖（JPEG） (c)欄位：
自備資料：B. 紅外線熱影像串流（試辦新增） (a)時間區間：115/9/21–10/2連續 (b)格式：輻射溫度矩陣（CSV／原生 raw）＋偽彩影像 (c)欄位：時間、熱像儀ID、最高溫、熱點座標、區域均溫
自備資料：C. CO／CO₂ 氣體感測時序（試辦新增） (a)時間區間：115/9/21–10/2連續 (b)格式：時間序列（PostgreSQL／CSV） (c)欄位：時間、感測器 ID、CO₂ ppm（ND
(七)除了上述資料外，是否有需要哪些機關的未開放資料？
是
(八)針對上述(欄位(五~七))之資料預計應用方式？
1.AI感測與即時早期預警（自備資料） 於115/9/21–10/2實作驗證期間，同步串流CCTV視覺（偵煙監控）、紅外線熱影像（升溫率）與CO/CO₂氣體濃度。透過多感測器（Data Fusion）結合AI演算法，於蓄熱或微煙階段進行多重交叉比對，實現廢鋰電池或易燃物自燃之秒級預警，大幅降低誤報率。
2.物料堆置風險關聯性分析（未開放資料第一項）
將邊緣端的實時熱點與升溫數據，對比新北市環保局之「貯存場堆置量管控資料」（物料種類、堆置量與進出料時程）。分析物料堆置體積與內部蓄熱升溫曲線之相關性，建立場域量化安檢閾值與安全堆置邊界。
3.AI模型參數校正（未開放資料第二項）
以內政部消防署火災統計與資源循環署通報案件（90筆），選取「夜間非作業時段高發」及「廢鋰電池起火」等歷史特徵，作為 AI 模型的風險權重校正基準，實測驗證系統於高風險時段之偵測敏感度與涵蓋率。
(九)請說明提案預計實證及落地場域為何，如在中央或地方機關、產業或NPO/NGO等，如何導入公共服務運作？
實證場域與擴散路徑
以「五股細分選場」為首要驗證基地，發揮其動線佳、夜間無人駐守（切合逾 40% 非作業時段火災現況）等特點，並整合既有監視與過磅系統。擴散採公部門先行帶頭，再逐步推廣至熱點與全國民間回收業，進行跨區模型調適。
公共服務導入規劃
低門檻模組部署： 依最低配置成本提供模組化方案，由政府示範引進，降低民間業者導入門檻。
智慧雙模即時預警：
日間模式： 透過工位指示燈、語音耳機與 LINE 三通道告警，於悶燒初期即時處置。
夜間模式： 無人時段經 LINE API 喚醒值班主管，並預留自動撒水與消防聯防 API 接口，填補防災空窗。
風險分級數據監管： 系統數據可作為環保局日常稽查與輔導依據，改被動裁罰為主動預防，並串接消防體系建立聯防機制。
(十)請說明提案實作期程規劃 （入選後至決審期間）？
本題案透過運用技術協力單位既有之影像辨識技術與熱感測及氣體偵測設備，大幅縮短前置作業時間，確保核心目標「火災早期預警及三通道告警」如期交付。分期規劃如下：
階段一：
在第 1–2 週的布點與基線蒐集階段，專案將完成五股細分選場的監測布點定案、借用設備進場與系統訊號介接，並同步啟動夜間基線資料蒐集，以建立後續環境分析與模型訓練的堅實基礎。
階段二：
在第 3–4 週的模型訓練與原型展示階段，專案將進行熱點與氣體偵測模型訓練，並同步完成現場指示燈及語音提示系統的介接；目標於第 4 週，展示系統原型與階段性的初步發現。
階段三：
在第 5–6 週的實地驗證與雙軌測試階段，專案將於夜間進行無明火加熱模擬測試，精準量測自異常偵測至發出告警之反應時間，並同步展開 LINE 通報實測與併行驗證作業公安辨識功能，以確認警報傳遞與現場安全辨識皆能精準運作。
階段四：在7-8週完成效益評估並製作簡報。
二、社會影響力
(一)請說明您的具體解決方案？
本提案將傳統「事後救災」轉為「事前預警」，透過 AI 影像辨識進料危險物（如廢鋰電池、高壓容器等），並於堆置區導入紅外線熱影像與一氧化碳/二氧化碳氣體感測陣列，在悶燒階段即自動觸發告警。針對作業時段，啟動現場三色燈、耳機語音與 LINE 推播之「三通道分層告警」使人員及時處置；針對夜間非作業時段，則直接推播至管理者手機。 本方案具備顯著的社會影響力：對場站與從業人員而言，不僅降低日間職安風險，更能為夜間無人駐守時段提供 24 小時自動防護通報；對周邊居民而言，提供 24小時自動防護並降低職安風險，能在初期撲滅火源，阻斷大火釋放戴奧辛、PM2.5 及氟化氫等毒氣以保全空氣品質；對地方環保局而言，能以客觀風險數據將被動應變轉為主動稽查輔導，並串接消防機關建立區域聯防；對民間業者而言，則透過模組化建置，避免火災動輒數百萬至千萬元的財產損失，加速資源循環產業永續轉型。
(二)提案是否回應公民許願池 ?
否
(三)前題若選是，請點選回應之願望名稱
(四)請說明您認為本次提案內容可帶來的影響與效益？
本提案將傳統「事後救災」轉為「事前預警」，帶來顯著的質化效益與具體的量化指標。在質化效益方面，通常42.7%火災發生於夜間無人駐守之痛點，提供 24 小時自動監測並大幅降低人員職安風險；於悶燒階段及時阻斷火源，防止資收大火釋放戴奧辛、PM2.5 與氟化氫等毒氣，保全區域空氣品質與居民健康；同時輔助地方環保局以風險數據進行主動監管，並串接消防機關建立跨機關區域聯防。在量化與可衡量指標方面，能直接避免單一火災數百萬至千萬元、以及重大 A1 事故達 1,500 萬元以上之財產損失與公共消防資源浪費；系統將精準量測「自異常偵測至三通道發送告警」之反應時間與「氣體感測相對明火形成」之提前時間，並透過夜間模擬測試實測高偵測命中率與低誤報率，確保於明火形成前為現場爭取黃金處置時機。
(五)請說明本提案是否具備可複製性及擴散性？
本案以模組化架構與場域實證為核心，將軟硬體與智慧防護機制解耦，提供彈性部署組合。無論公部門場站或民間廠房，皆能以最低行政負擔與改建成本快速引進，有效突破傳統系統昂貴且相容性差的瓶頸。
四階段遞進式推廣路徑（由點至面、先公後私）：
階段一（實證驗證）： 以「五股細分選場」為基底優化預警應變，精煉標準化複製模組。
階段二（公部門標竿）： 推廣至全國環保局清潔隊（含室內與露天場域），樹立智慧防護示範標竿。
階段三（高風險熱區）： 切入火災佔比達 53.3% 的民間回收業高風險區，優先補齊防護漏洞。
階段四（全國產業普及）： 拓展至全台民間回收業者，實現整體產業安全防禦鏈升級。
透過公部門示範效應帶動民間投資意願，結合低門檻模組優勢，可實現從單一據點到全台產業鏈的快速複製，極大化公共安全防災綜效。
三、創新性
(一)請說明本次提案內容跨領域合作或服務與技術之創新程度
本提案在跨領域合作與技術服務創新上具備高度前瞻性。在跨領域合作方面，由中央主管機關（環境部資源循環署）主導，串聯地方環保局、民間實證場域（五股細分選場）與技術團隊，並預計連結消防機關與回收公會，建構跨部會與公私協力的場域智慧聯防體系。在服務與技術創新方面，本案突破傳統僅靠單點溫度閾值告警之局限，創新結合紅外線熱影像與一氧化碳/二氧化碳氣體感測陣列，於內部悶燒階段即自動偵知，成功將「事後救災」轉為「事前預警」；同時運用 AI 影像辨識預先攔檢進料危險物（如廢鋰電池、易爆危險品）及人員作業危險行為，並串接車輛過磅數據，將火災預警、職安防護與場域治理整合於單一平臺；此外首創「三通道分層告警服務」，依現場角色分別透過固定工位三色指示燈、走動人員耳機語音與管理人員 LINE 通報，確保警報零時差傳達並輔助即時應變決策，為傳統被動救災的資收產業建立一套公私協力的全新數位治理模式。
(二)請說明提案預計使用之工具或平台？
本提案以既有影像分析平台為底座（Python/Flask、PostgreSQL、OpenCV），具多鏡頭 RTSP 串流、多模態 AI 判讀、14 類風險代碼與 RBAC 權限控管，並利用 MOG2 動態過濾降低運算負載。
五股試辦擴充與技術亮點：
多模態感知融合： 新增熱像儀與 NDIR CO2 感測，經邊緣閘道器（Modbus/MQTT/4–20mA）完成時間同步與斷線緩存，融合熱點、升溫率、氣體趨勢與影像事件。
模型開發與即時推論： 採 Roboflow 增強與 YOLO 遷移學習；地端邊緣主機執行推論，並透過工位三色燈、耳機語音及 LINE Messaging API 實施分層告警，保留人工覆核與工單追蹤。
資安與隱私保障： 部署於自管環境，採 VLAN 隔離、TLS 加密與 ROI 最小化截圖，嚴格不進行人臉辨識。
(三)是否有使用AI工具？
是
(四)前題若選是，請詳實說明提案階段使用 AI 工具之名稱、使用功能及目的與範圍
於資料前處理與開發階段，本案導入大型多模態模型輔助初期影像大宗自動標註。而在現場即時監控階段，則採用Ultralytics輕量化邊緣物件偵測模型 YOLO26，針對資源回收場之暫存區等核心風險點，進行即時影像串流分析。系統透過AI動態框定料堆偵測熱區，專注於辨識料堆內部因廢鋰電池等危險物受擠壓、穿刺所引燃之極早期煙霧，於特徵越過閾值時即刻觸發告警。
本案於邊緣即時推論運作排除雲端多模態大型語言模型（VLM/LLM），考量未來廠區外網頻寬不穩，斷線即喪失防護力；大型視覺語言模型單次推論需一至四秒，若採秒級高頻請求，將因推論延遲大於採樣間隔而引發請求堆疊、逾時丟包與時序倒錯，無法滿足即時串流監控之時效性；且全天候高頻傳輸之API與雲端頻寬費用極高，地端判別式模型（如 YOLO）於邊緣端具備毫秒級（<50ms）之確定性延遲，方符合即時防災需求。
四、團隊輔導需求調查
(一)若入圍初選，期待主辦單位提供之協助？
協助跨機關資料取得
協助跨機關溝通合作(非資料面)
專門領域諮詢建議： 滅火設備配置規劃
(二)若入圍初選，是否需要算力平台或雲端協力業者資源？
是
(三)前題若選是，請說明需要何種算力平台（係指數位發展部數位產業署-數位產業跨域軟體基盤暨數位服務躍升計畫）或雲端協力業者（GCP或AWS或Azure或國網中心）之資源及預計應用內容
國網中心：(應用內容：晶創雲建置模擬分析系統)
五、參考文獻或資料引用來源說明
(一)提案內容是否全為原創內容，或有部分引用相關資料來源？
否，有部分內容或資料來源引用其他參考文獻/網頁等。
(二)前題若選否，請說明本提案中所引用之資料來源及其應用環節，建議以條列方式簡述。
環境部火災通報總表（113–115年）： 統計 90 起通報案件，用於界定災害等級與數量。
場域火災研究報告 v3.1（115年）： 分析起火原因、盤點法規缺口與經濟損失，並作為保險優惠機制之學理參考。
環境部廢電池回收公告（113年）： 凸顯鋰電池汰換潮帶來的火災風險與早期預警急迫性。
消防署火災分類函（105年）： 認定 A1/A2/A3 災害級別之依據。
歐盟 EN 54 標準與 Solórzano 論文（2022）： 提供氣體感測（CO）早於傳統煙檢偵測悶燒之科學依據。
日本日鉄與 JFE 實績（2021/2025）： 佐證 AI 影像與熱像分析於場域實務落地之可行性。
日本環境省鋰電池對策（2025）： 以「2030 重大火災歸零」為國際政策標竿，定調永續營運願景。
Fire Rover 報告與英美規範（EPA/WISH）： 以美加火災年增 15% 佐證廢棄物火災為
團隊成員
| 單位類型 | 姓名 | 單位與職稱 | 工作項目 |
|---|---|---|---|
| 政府機關-中央(院、部會等) | 劉怡焜 | 環境部資源循環署副署長 | 主要提案單位 |
| 政府機關-中央(院、部會等) | 陳彥男 | 環境部資源循環署永續消費組組長 | 主要提案單位 |
| 政府機關-中央(院、部會等) | 劉華林 | 環境部資源循環署永續消費組科長 | 主要提案單位 |
| 政府機關-中央(院、部會等) | 黃啓賓 | 環境部資源循環署永續消費組技正 | 主要提案單位 |
| 政府機關-地方 | 鄧筱光 | 新北市政府環境保護局 循環資源科科長 | 次要(合作)提案單位 |
| 政府機關-地方 | 柏豪 | 新北市資源循環教育基地管理人新北市政府環境保護局循環資源科專員 | 次要(合作)提案單位 |
| 企業 | 陳治宇 | 晶淨科技股份有限公司經理 | 僅資料協力/提供 |
| 企業 | 阮常新 | 大豐環保科技股份有限公司副總經理 | 技術/資源協助 |
| 政府機關-地方 | 新北市消防局 | 未來合作單位(洽談中) |
資料需求
| 單位類型 | 資料名稱 | 資料說明 |
|---|---|---|
| 新北市環境保護局 | 新北資源回收貯存場堆置量管控資料 | 資源回收場域內對各類物料（如鋰電池、廢鋰電池、高危險品、電子產品、混合資收物等）的「堆置數量」與「進出料量」等營運數據。 |
| 內政部消防署 | 全國資源回收廠火災通報案件 | 用於分析火災現況（如廢鋰電池為起火主因、夜間非作業時段發生率高等），以確立本案的問題痛點與預期效益，並能「常態化公開」。 |