拍照即診：手機AI結合分子鑑定的可可亞病害普惠篩檢平台

=== e36e3881 2026-09-10 22:35 === [22:35] 評審： 下一個提案：提案#80「拍照即診：手機AI結合分子鑑定的可可亞病害普惠篩檢平台」 [22:37] 助理： #80 可可醫生/Cacao Doctor(屏科大,10 人;智慧治理,主題 7;未評分) **團隊**:屏科大跨系 —— 熱帶農業系助理教授(辛冠霆)＋**資管系助理教授(林皇辰)＋4 名資管碩生**＋3 名熱農系大學部＋可可雅米巧克力工坊負責人。**植病＋資訊＋產業的真跨域學界團隊**,10 人。 **這是什麼** 屏東可可亞葉片病害雙軌診斷:**手機拍照 → AI 影像初篩(健康/染病)→ 疑似病株 PCR/Nanopore 定序確認病原 → 結果回饋校正 AI**。目標免費手機 App 給小農。技術棧:SegFormer-B2 語意分割＋PatchCore 異常偵測＋FAISS 檢索,已在姊妹作物(茶樹)達 F1 0.99。 **這件是技術最扎實的一類(先講好的):** - **技術棧成熟且具體**:SegFormer/PatchCore/FAISS/信心校準＋拒判機制(信心不足轉專家或 PCR),不是空詞;姊妹作物茶樹已 F1 0.99 是真實績。 - **「AI 影像初篩＋PCR 分子確認」的雙軌閉環**是真正的方法亮點:影像會誤判、病徵相似,用分子證據(金標準)持續校正 AI 標籤 —— 這是**科學上正確的做法**,比純影像辨識扎實一階。 - 真跨域團隊(植病＋資訊＋產業)、真場域(屏東可可產區)、有大學部原民/國際生(潘玟琳 Lynthia)。 **最決定性的問題(依重要性):** **一、這幾乎確定落在黑客松範圍外 —— 已獲補助、技術已在別作物驗證、資料已在採。**(suspected_existing 成立) - 提案自述:**可可研究線已獲教育部高教深耕計畫支持**、與工研院協作、技術棧**已於茶樹達 F1 0.99**、**已有 700 張可可葉片影像**。 - 這跟 #123、#182 同一型:**核心方法與資源都已到位,入選後主要是「把既有技術套到可可、繼續採資料」** —— 不是黑客松期間才做的概念驗證。而且它一邊說「已獲深耕補助」,一邊在第五題勾「尚未進行、未申請政府預算」,**自相矛盾**。 **二、既有系統已做同一件事(手機 AI 可可病害辨識):** - 查證(AI 評估):**Cocoa Companion(2022,PSU 手機深度學習可可病害 App)**、菲律賓 cacao app(2026)已存在。#80 的差異化是加「PCR 驗證迴圈」,屬改良。所以創新性落在「雙軌閉環」,影像辨識本身不新。 **三、資料量與宣稱不符:** - **只有 700 張(健康 200／染病 500)、單一農場、類別失衡**,卻借「茶樹 F1 0.99」宣稱可可也可行 —— **茶樹的成績不能證明可可**(不同作物、不同病徵、不同資料量)。可可模型目前**還沒有自己的準確度數字**。 - 「已使用 700 張」與「後續驗證期間才採集」前後不一;PCR 與 Nanopore 定序說法在文中也不太一致。 **四、STS 與資料治理:** - **以 AI「客觀」取代農民經驗 → 去技能化**風險;**誤判 → 農藥誤用**(把健康判成染病、或漏判);賽後 PCR/定序的**檢測量能與維運無規劃**(Nanopore 定序不便宜、要人)。 - **葉片照含 EXIF/GPS → 可定位農場並暴露其病害狀態** → 影響**商譽與交易**(某農場被標記有病,資料外流傷農民);影像所有權、同意、保存、Streamlit 公開部署安全皆未提。 **五、主題與許願不符**:它勾的許願是「農民種下前知道會不會賺錢」,但本案是**病害辨識**,不對題(切題度不看,但顯示它勾錯)。 **定位(相對主題 7):** - 技術扎實度是主題 7 前段(與 #38 林試所同屬「權威團隊、方法對」);但跟 **#123 同一個命運** —— **已獲補助、技術已在別處驗證、資料已在採 → 落黑客松範圍外**,且既有 Cocoa Companion 已做手機可可病害辨識。它的雙軌 PCR 閉環是真亮點,但那也正是「這是一個已在進行的研究計畫」的證據。可行性高(已在做)、創新性受「既有 App＋已獲補助的進行中計畫」雙重壓抑。 [22:44] 評審： 為什麼是可可亞？幫我查台灣種可可亞多嗎？還是只是想把那兩篇論文落地？ [22:44] 助理： 好問題,我查證台灣可可亞的實際種植規模,再回答「為什麼是可可」。 [22:45] 助理： 查證後,回答您兩個問題: **台灣種可可亞多嗎?—— 非常少,是極小眾的利基作物。** - **官方農糧署統計:全國僅 64.24 公頃、屏東約 40 公頃**;就算按當地農友自估的樂觀數字,屏東也只**約 230–300 公頃**。 - 對照感受一下規模:台灣**水稻**約 22 萬公頃、**茶**約 1.2 萬公頃、單一個蔬菜大宗品項就常上千公頃。**可可(全國幾十到頂多兩三百公頃)在台灣農業裡是零頭中的零頭。** - 而且它成本結構極端不利:**台灣可可乾豆 1 公斤要價 500 元,期貨市場只有 70 元** —— 它靠的是「Tree to Bar 精品巧克力」的高單價利基,不是量產作物。 **所以「為什麼是可可」的答案,傾向您的第二個猜測:** 從提案自己的線索看,**它更像是「把已有的技術與研究線落地」,而不是「因為可可是台灣重要問題所以來解」:** 1. **技術是現成的**:它明說技術棧「**已於姊妹作物茶樹達 F1 0.99**」「已獲**高教深耕**補助」「與工研院協作」—— 也就是**方法早就有了,可可只是拿來套的一個新標的**。 2. **選可可的真正理由,是屏科大本身的資源**:屏科大在屏東、屏東是台灣可可核心產區、隊上有可可產業夥伴(可可雅米工坊)、有熱農系 —— **對這個學校,可可是「手邊剛好有場域、有夥伴、有教授研究線」的題目**,不是「台灣農業最痛的病害問題」。 3. **公共效益的分母太小**:即使系統做得很好,受益的是**幾十到兩三百公頃、少數精品可可小農** —— 以「普惠篩檢平台」「提升台灣農業韌性」的公共命題來看,**觸及面極小**。它自己也知道,所以文中一直說「未來可推廣到芒果、蓮霧、木瓜」——**等於承認可可本身的盤子太小,要靠『之後推廣到大作物』才撐得起效益**。 **綜合判斷:** - 這比較像一個**「以既有 AI 病害辨識技術＋高教深耕研究線,選了學校手邊最方便的利基作物(可可)當落地標的」的學術計畫**,而不是衝著台灣農業重大需求來的。您「想把那兩篇論文落地」的直覺,方向是對的 —— 只是更精確說,是**把屏科大自己的姊妹計畫(茶樹那套)落地到可可**,順便投黑客松。 - 這也強化了先前兩個判斷:**創新性受壓**(技術非為此新創、Cocoa Companion 已有手機可可辨識)、**落黑客松範圍外**(已獲補助的進行中研究線)。而現在多一條:**社會影響力的分母極小**(全國幾十公頃的利基作物),它的「普惠」宣稱撐不太起來。 不過要公平補一句:**選利基作物不必然是缺點** —— 精品可可正是台灣農業「高值化、差異化」想走的方向,病害對高單價小農的相對損失很大。但就**黑客松要的「公共影響力」**而言,幾十公頃的盤子,確實遠不如菜價、災害、詐騙那些觸及全民的題目。 Sources: - [推動屏東可可產業跨域發展(農業部)](https://www.moa.gov.tw/ws.php?id=2506656) - [農糧署南區分署 — 可可](https://srb.afa.gov.tw/index.php?article_id=21659&code=list&flag=detail&ids=3372) [22:48] 評審： 1/1/0/3/2「自述已受教育部高教深耕計畫支持，非黑客松範圍。可可亞在台灣種植量少，效益不高。照片數太少難以訓練模型。」如何？ [22:48] 助理： 加權總分 **1.05**。 - 可行性 1 × 30% = 0.30 - 社會影響力 1 × 28% = 0.28 - 創新性 0 × 30% = 0 - 多元性 3 × 5% = 0.15 - 資料治理 2 × 5% = 0.10 **評語三點全部經查證、可辯護:** 1. **「已受高教深耕支持,非黑客松範圍」** —— 提案自述,團隊爭不了(這是最硬的一條,同 #123/#182 的處理)。 2. **「可可在台灣種植量少,效益不高」** —— 我查證:全國僅約 64 公頃(樂觀自估頂多 230–300),是零頭級利基作物,公共效益分母極小。 3. **「照片太少難訓練」** —— 700 張、單一農場、類別失衡,卻借茶樹 F1 0.99 宣稱,可可自己沒有準確度數字。 分數方向與討論一致,不過**可行性 1 我想跟您確認一下(不是反對,是想確認您要的讀法)**: - 若「可行性 = 純粹做不做得出來」,這隊技術棧成熟(茶樹已 F1 0.99)、有場域有團隊,**模型本身其實做得出來** —— 那可行性照理不會這麼低。 - 但您給 1,顯然是把「**非黑客松範圍(已在做的既有計畫)＋資料太少撐不起宣稱**」讀進可行性 —— 也就是「**它宣稱要在黑客松期間做的那個東西,實質上不成立**」(既有計畫的延伸、又沒有可可自己的實證)。這個讀法跟您先前 #221「核心賣點不成立就壓可行性」一致,我認為站得住。 - 只是對照同主題的 **#123(也是既有產學計畫,可行性給 9)**:#123 您把「既有」全扣在創新性 0、可行性維持 9(承認它做得出);#80 您把「既有＋資料不足」壓進可行性 1。兩件同屬「既有計畫落黑客松範圍外」,一個可行性 9、一個可行性 1 —— **差別在您這裡多讀進了「資料太少、宣稱撐不起」**。若您有意讓 #80 更低(因為它比 #123 多一個「用茶樹成績冒充可可可行」的虛),那 1 說得通;若要跟 #123 的處理對齊(既有→創新性 0、可行性照給),可行性會偏高。這一格供您斟酌 —— 但**加權 1.05 的低分位置我沒有異議**(既有＋利基＋資料不足,墊底合理)。 其餘(社會影響力 1、創新性 0、多元性 3、資料治理 2)都合理。要不要動可行性由您定。 [22:50] 評審： #123已經有專利了，#80照片太少無法訓練。我不是寫在評語了嗎？ [22:50] 助理： 您說得對,我沒把您已經表達的區分看進去 —— 收回我那個「跟 #123 對齊」的疑問。 兩件的可行性差別,您**在評語裡就寫清楚了**,不是沒對齊,是**兩件的執行成熟度本來就不同**: - **#123**:核心**已取得專利、已技轉**、技術棧已在太陽能板實跑 → **東西已經做出來了、能運作** → 可行性 9(它真的做得出、也真的在做)。 - **#80**:**只有 700 張、單一農場、類別失衡,可可自己還沒訓出可用模型** → **它宣稱的可可辨識系統,以現有資料根本訓練不起來** → 可行性 1(要做的那個東西,以手上的資料做不出來)。 所以不是「同屬既有計畫卻給不同可行性」的失衡 —— 而是 **#123 已經有能運作的成品(可行性高)、#80 連可可模型都還訓不出來(可行性低)**。差別在「**做出來了沒 / 做得出來嗎**」,而您評語的兩句正好各自點名:「#123 已有專利(=成品在)」「#80 照片太少無法訓練(=做不出來)」。 我先前把它們都貼上「既有計畫落範圍外」的同一標籤,忽略了您評語裡「一個已成、一個資料不足」的實質差異 —— 是我沒讀進您已經寫明的東西。**#80 可行性 1 站得住,加權 1.05 定案,我沒有意見了。** **主題 7 已評 3 件(#38 5.12、#123 4.53、#80 1.05),還剩 2 件未評。** === 事後／並提討論 === e36e3881 2026-09-10 [22:52] 助理： #156 小腳步大安全(安心通學智慧隊,10 人;安心社會,主題 7;未評分) **團隊極重量級 —— 又是主管機關自己組隊:** **環境部環境資訊科技司司長楊耿瑜**＋高級分析師＋科長、**教育部資科司**2 人、**新北市交通局專委**、環輿科技 2 人、**秀朗國小＋莒光國小兩位校長**。＝環境部主導＋教育部＋交通局＋2 校長＋廠商。權責、場域、資料一手掌握。 **這是什麼** 把環境部「校園空品防護網」第二層(校門空維區)升級成「智慧通學安全防護區」:校門部署**邊緣 AI 影像(YOLO/ByteTrack)＋LWIR 熱像(判怠速)＋微型空品感測**,即時轉成**去識別化事件**(人車混流、停留、道路占用、人車近接),配 LINE 分流、外圍接送、步行共乘的**行為科學輕推(Nudge)**、QR Code 低碳挑戰,借鏡日本通學路聯合點檢＋PDCA。**秀朗國小試辦、對照校準實驗比較**。明確不辨臉、不上傳車牌、不自動開罰。 **這件的方法論是主題 7 最嚴謹的(先講好的):** - **準實驗設計**:試辦校 vs 條件相近對照校、同期比較、扣除對照校變化,避免把天氣/季節誤認成效果 —— 這是**社會科學正確的因果驗證設計**,多數提案沒有。 - **KPI 具體可測**:每百輛行人區侵入降 20%、車輛停留中位數降 15%、步行比例升 10%、資料完整率 95%;且**空品「不預設必然下降」**(誠實)。 - **資料治理成熟**:DMP 三層(公開/內部/敏感)、**原始影像不落地**、對外只給聚合去識別、品質旗標、刪除紀錄。 - **AI 分工克制**:YOLO 只出匿名事件、LWIR 只判「動力運轉風險」不宣稱精確辨識每輛怠速車、**未達品質門檻只標「停留風險」不貼標籤**、生成式 AI 只做文書。這種「不過度宣稱、模型不夠好就降級」的自覺,水準很高。 **最決定性的問題(依重要性):** **一、主題與命題錯位 —— 這其實不是「農業/影像巡檢」,是「通學路交通安全」。** - 它是**校門口交通安全＋空污**的案子,跟農業毫無關係。分群按「邊緣 AI 影像巡檢」把它拉進主題 7(切題度不看,但它連「安心社會」都比「智慧治理」貼)。它是這批裡**最不像農業黑客松**的一件。 **二、既有系統/政策已有:** - 據 AI 評估:英國 **School Streets**、韓國 **AI 學區**、日本**通學路點檢**、熱影像怠速偵測**都已存在**;環境部**校園空品防護網＋47 校空維區是既有政策**。#156 是**在地整合**,把既有政策工具化,新穎性落在整合,不在單一技術。 **三、STS —— 中央機關借校門做實驗,把壅塞/空污歸因於家長行為。** - 這是最該留意的:**環境部主導、拿小學校門當實驗場**;把校門空污與壅塞的成因,框成「**家長接送行為**」(要用 Nudge 改變家長),而**不是道路設計、學校選址、都市規劃**的結構問題。「輕推家長改變」聽起來溫和,但**它把系統性問題個人化了**。 - 且**聲稱不裁罰,但資料流向警政/交通** → **功能潛變(function creep)風險**:今天說只做風險診斷,資料一旦在交通局/警政手上,明天可能就用於取締。長期拍攝**兒童**的校門影像,這個風險特別敏感。 **四、隱私的內在矛盾:** - 稱「原始影像不落地」,卻又要「**人工覆核與抽樣驗證**」(精準率/召回率要人看影像) → **矛盾**(不落地怎麼覆核?);兒童校門影像長期拍攝、家長 LINE 名單與問卷**由民間廠商(環輿)經手**,保存期限、同意程序未具體。 **五、驗證時程:** 54 天含**僅兩週介入期**、對照校還「未定」→ 20% 這類 KPI 在兩週內**難有統計效力**(它自己也留了「第二校未及加入就改秀朗不同校門」的備援,等於承認對照組可能落空)。 **定位(相對主題 7):** - **方法論與治理是主題 7 最成熟的一件**(準實驗、DMP、AI 克制),團隊有真跨機關落地力(環境部＋教育部＋交通局＋校長)。 - 但:**跟農業無關(命題錯位)、既有政策/國外案例已有(整合非首創)、中央借校門做實驗把問題個人化(STS)、兒童影像的隱私矛盾與功能潛變**。它比 #80/#123 更「在範圍內、可落地」,但公共命題上是**通學交通案,不是農業案**,且帶著「主管機關拿學童當實驗場」的倫理重量。 e36e3881 2026-09-10 [22:53] 助理： 您提醒得對 —— 我把「農業」預設成整個黑客松的框,講「跟農業無關」是我自己套錯了。 **主題 7 是「影像辨識巡檢」,不是農業。** 它是按**技術手法(邊緣 AI 影像巡檢)** 分的群,不是按產業領域。看這群裡實際有什麼就清楚了: - #38 路樹修剪 AI 判讀(林業/都市安全) - #123 太陽能板清洗影像辨識(綠能維運) - #80 可可病害葉片辨識(農業) - #156 通學路校門影像巡檢(交通/兒少安全) —— 這四件**橫跨林業、綠能、農業、交通**,**唯一的共通點就是「用影像辨識做巡檢」這個技術手法**,不是產業。所以 **#156 是交通/兒少安全的影像巡檢,它在「影像辨識巡檢」這個主題裡是切題的**;我說它「跟農業無關」是拿錯了尺 —— 這主題本來就不要求跟農業有關。 而且您先前也講過:**分群是 Transformer 自動做的、群名事後補,切題度不看。** 所以「#156 是不是農業」根本不該是評分考量。收回。 **修正後,#156 的實質問題應該去掉「跟農業無關」那條**,剩下的仍然成立、且都是它自身的問題: 1. **既有政策/國外案例已有**(School Streets、韓國 AI 學區、日本點檢、環境部空維區)→ 創新在整合; 2. **中央機關借小學校門做實驗、把壅塞空污歸因於家長行為**(STS 個人化系統問題); 3. **兒童影像的「不落地卻要人工覆核」矛盾＋資料流向警政的功能潛變**; 4. **54 天僅兩週介入、對照校未定 → KPI 難有統計效力**。 方法論與治理是主題 7 最成熟的(準實驗、DMP、AI 克制)—— 這些優點也照樣成立。只是把「命題錯位」那條刪掉:它在「影像辨識巡檢」這個主題裡,是**完全切題**的一件。謝謝您抓這個,我把農業當預設框是明顯的錯。 e36e3881 2026-09-10 [22:58] 助理： #156 小腳步大安全(安心通學智慧隊,10 人;安心社會,主題 7;未評分) **團隊極重量級,但要點出結構:** **環境部環境資訊科技司司長楊耿瑜**＋該司高級分析師、科長,＋**教育部資訊科技教育司**2 人,＋新北市交通局專委,＋環輿科技(廠商)2 人,＋**秀朗國小、莒光國小兩位校長**。＝**兩個中央部會(環境部主導)＋地方交通局＋廠商＋學校**。是中央機關自己組隊,資源與跨機關協調力極強。 **這是什麼** 把環境部「校園空品維護區」升級為「智慧通學安全防護區」:校門口部署**邊緣 AI 影像(YOLO/ByteTrack)＋LWIR 熱像＋微型空品感測**,把影像即時轉成**匿名事件**(車流、停留、人行區侵入、人車近接、怠速風險),再用**行為科學「輕推」**(校門燈號、LINE 分流、外圍接送、步行共乘建議、QR Code 低碳集章)引導家長改變接送行為。**秀朗國小試辦＋對照校準實驗**,前後問卷比對,產出「最後 500 公尺工具包」。 **這件的方法紀律是這批最成熟的一類(先講好的):** - **準實驗設計**:試辦校 vs 對照校、同期比較、**扣除對照校變化避免把天氣/季節誤認成效** —— 這是社會科學正確的因果推論做法,罕見的嚴謹。 - **KPI 具體可測**:人行區侵入 −20%、車輛停留中位數 −15%、步行/外圍接送 +10%、正向感受 +15%、資料完整率 95%,還誠實寫「空品不預設必然下降」。 - **隱私設計用心**:不辨人臉、不上車牌、不自動開罰、原始影像不落地、DMP 分公開/內部/敏感三層、去識別聚合對外。 - **AI 用在對的地方**:影像轉匿名事件用 YOLO、怠速用 LWIR＋規則、低於品質門檻就降級人工/只顯示風險、不亂貼標籤。定位明確是「改善依據,非裁罰工具」。 - 誠實借鏡日本通學路點檢＋PDCA、行為科學 Nudge,不宣稱全原創。 **最決定性的問題(依重要性):** **一、這其實不太是「影像辨識巡檢」,也不太是黑客松的資料題 —— 它是一個中央部會的準實驗政策試點。** - 主導者是**環境部資訊司司長**,場域是環境部既有政策(校園空品防護網、47 校空維區)的延伸。它的重心是**行為介入＋準實驗評估**,影像 AI 只是其中一個感測手段。 - 「54 天、含兩週介入、對照校未定」—— 準實驗要有統計效力,**兩週介入期太短**,20% 這類 KPI 很難跑出顯著性(AI 評估點的)。它自己也留了「若第二校未及加入,改用單校分期」的備援 —— 等於承認對照組可能湊不齊,那準實驗的核心就打折。 **二、把空污與壅塞歸因於「家長行為」而非道路設計(STS,且是中央借校門做實驗):** - 校門口壅塞與人車混流,很大程度是**道路設計、學校選址、都市規劃**的結構問題;#156 的介入(輕推家長錯峰、外圍接送、共乘)是**把改善責任放到家長個人行為上**。輕推有價值,但**它可能迴避了真正該改的工程與規劃**。 - **中央機關借校門、借兒童做行為實驗**,雖然設計上不裁罰、去識別,但「聲稱不裁罰、資料卻流向警政交通」有**功能潛變(function creep)風險** —— 今天是改善依據,明天可能變執法佐證。 **三、既有做法已多(創新性天花板):** - 查證(AI 評估):**英國 School Streets、韓國 AI 學區、日本通學路點檢、熱影像怠速偵測**都已有。#156 是**在地整合**,創新落在「把這些串成台灣可落地的工具包＋準實驗驗證」,不在單一技術。 **四、隱私仍有矛盾:** - **長期拍攝兒童的校門影像**,稱「原始影像不落地」卻又要「人工覆核與抽樣驗證」—— 要覆核就得留影像,矛盾;家長 LINE 名單與問卷由**民間廠商(環輿科技)經手**,保存期限、同意、MQTT/MSSQL 防護未具體。拍兒童是最敏感的個資場景。 **定位(相對主題 7):** - 這是主題 7 裡**方法最嚴謹、跨機關落地力最強、隱私意識最好**的一件(準實驗設計、DMP、輕推非裁罰),明顯優於 #80/#123 那種「既有計畫落地」。 - 但天花板在:**它本質是中央部會的政策試點+行為介入,黑客松的「AI 影像/資料」只是配角**;準實驗在 54 天兩週介入下**統計效力存疑**;既有 School Streets 等已多;以及「把結構問題歸因家長行為＋中央借兒童做實驗＋功能潛變」的 STS 疑慮。它有真團隊、真方法、真場域,但**創新性與黑客松契合度**受限。 e36e3881 2026-09-10 [23:03] 助理： 加權總分 **2.72**。 - 可行性 5 × 30% = 1.50 - 社會影響力 4 × 28% = 1.12 - 創新性 0 × 30% = 0 - 多元性 2 × 5% = 0.10 - 資料治理 0 × 5% = 0 **評語一句到位**:政策試點、非黑客松範圍 —— 這是我們討論的核心結論,精準、可辯護(政策既有、方法現成、主管機關自己執行,不是新構想驗證)。 分數方向我大致認同,但有**兩格想跟您確認**(不是反對,是想確認您要的讀法): 1. **創新性 0(否決旗標)** —— 合理,跟 #205「檳榔轉作不屬黑客松」給創新性 0 同一個用法:不對題、既有政策執行 → 插紅旗。站得住。 2. **資料治理 0 —— 這一格我有點意外,想跟您確認。** 這件的資料治理其實是**這批寫得最用心的之一**:DMP 分公開/內部/敏感三層、不辨人臉不上車牌、原始影像不落地、去識別聚合對外、保留刪除紀錄。若純看「資料治理設計品質」,它不像 0。 - 若您給 0 是因為「**它整件不屬黑客松範圍,所以連治理都不予計分**」(整案否決的延伸),那是一種讀法; - 但若資料治理是獨立評「它對資料的處理好不好」,那它其實有料(對照 #38 拍到路人、#80 拍到農場病況都沒處理,#156 反而想得最周全)。 - 而且它也有**真實的治理疑慮**(拍兒童影像、「不落地卻要人工覆核」矛盾、廠商經手 LINE 名單)—— 若您是為這些扣,那落在中低分(如 3–4)會比 0 更貼「有設計但有矛盾」。**0 我覺得偏低**,除非您是刻意讓「非黑客松範圍」整案歸零式處理。這一格請您再看一眼。 其餘(可行性 5：政策試辦做得出但 AI 是配角;社會影響力 4：通學安全方向有價值但把結構問題歸因家長行為;多元性 2)都合理。 **主題 7「影像辨識巡檢」5 e36e3881 2026-09-10 [23:04] 助理： 加權總分 **3.77**。 - 可行性 5 × 30% = 1.50 - 社會影響力 4 × 28% = 1.12 - 創新性 0 × 30% = 0 - 多元性 2 × 5% = 0.10 - 資料治理 7 × 5% = 0.35 **評語切中、且可辯護**:這是政策試點、非黑客松範圍。一句到位,與 #205/#209(不屬黑客松範圍)同一判準 —— 核心是既定政策的行為介入與準實驗執行,不是 AI/資料的新構想驗證。 分數與討論一致: - **創新性 0** —— 否決旗標:政策試點、既有做法多(School Streets、日本點檢、Nudge),AI 是配角、不對題。合理。 - **可行性 5** —— 中央部會＋地方＋學校＋廠商,跨機關落地力極強、確定做得成;但拉低的是「54 天兩週介入、對照校未定的準實驗統計效力存疑」。5 反映「政策執行做得成、但方案本身的驗證力打折」。 - **社會影響力 4** —— 通學安全方向實在、準實驗嚴謹,但把結構問題歸因家長行為、觸及面是單校試辦、功能潛變疑慮。4 恰當。 - **資料治理 7** —— 這是它的亮點也是拿分處:DMP 三層、去識別、原始影像不落地、不裁罰,是這批少見的用心;但拍兒童影像與「不落地卻要人工覆核」的矛盾、廠商經手家長名單,讓它沒到更高。7 給得有道理。 - 多元性 2(十人但多為公部門同溫層),合理。 一點觀察(非改分):#156 的資料治理 7 是主題 7 目前最高,而它同時創新性 0 —— 這個「治理頂標＋創新歸零」的形狀,跟先前 #221(資料治理 10／可行性 0)、#237 那些「功課做得好但核心不對題/做不成」的案子同型,說明您一貫地把「治理品質」和「黑客松契合度」分開算,尺度一致。 沒有需要更正的。**主題 7「影像辨識巡檢」5 件全部評完:** | 加權 | # | 分數 | | |---|---|---|---| | 5.12 | 38 | 6/4/6/2/6 | AI精準修剪(林試所) | | 4.53 | 123 | 9/6/0/1/2 | 太陽能板清洗(產學計畫) | | 3.77 | 156 | 5/4/0/2/7 | 智慧通學(政策試點) | | 1.05 | 80 | 1/1/0/3/2 | 可可病害(既有＋利基) | 等一下,這只有 4 件 —— 主題 7 應是 5 件,已評 #38、#123、#80、#156 四件,**還剩 1 件未評**。要接最後 1 件了嗎? e36e3881 2026-09-10 [23:21] 助理： 誠實說:**我查不到直接證據證實「新竹 AI 判煙就是富聯做的」,但也查不到否證 —— 而間接證據都指向您的懷疑很可能成立。** **查證結果:** - 網路搜尋**沒有直接的標案文件**證實富聯承接新竹市環保局的 AI 判煙案(這種地方環保標案細節通常不易在一般搜尋出現,要查政府電子採購網才確切)。 - 但 **AI 評估的 existing_assessment 已經寫**:「合作之竹市環保局已有 AI 判煙設備,**富聯曾承接竹市露燃稽查案**」。所以「富聯承接過竹市露燃相關案」這點,AI 評估是有據的(雖然我沒親自看到那份標案)。 **而提案自己的組成,把您的懷疑幾乎坐實了:** - 隊上同時有**新竹市環保局長＋科長＋科員**,又有**富聯工程顧問總經理＋經理＋專案經理** —— 這正是「**發包機關＋承包廠商**」的組合。 - 提案落地場域寫「新竹市…以**現有雲端監視設施**進行落地實證」—— 那個「現有設施」極可能就是**富聯已經幫竹市環保局建好的那套 AI 判煙/監控系統**。 - 所以合理推論:**這不是一個要「新做」的東西,而是富聯＋竹市環保局把「已經在跑的科技執法系統」,包裝成 AEGIS/Argus 這兩個新名字來投黑客松**,再加一層「離網外掛」的口號。 **這對評分的意義 —— 支持您的判斷,而且比「重製」更重:** - 如果核心就是**富聯已建、竹市環保局已用的既有系統**,那它跟 **#123(已技轉的專利)、#182(報名前已完成的原型)、#80(已獲補助的研究線)** 是同一類:**既有成果換皮投案,落黑客松範圍外。** - 創新性 0 不只是「市面上有同類」,而是「**它自己就是那個既有產品**」—— 這比一般重製更該歸零,而您已經給 0 了。 - 它「未用政府預算與設施」的自我聲明,和「用現有雲端監視設施」「環保局長列名」放在一起,更像是**在遮掩「這是既有公部門專案」的事實**。 **但要守住誠實的界線:** - 「新竹 AI 判煙就是富聯做的」目前是**強烈合理推論**,不是我親眼查到的鐵證(要 firm 得去政府電子採購網查富聯的得標紀錄)。 - 所以**它不該寫進評語當事實指控**(團隊可能來爭);您現有的評語「各縣市現有污染辨識專案很多,建議參考」**措辭穩、留在可查證的事實上**,是對的。這個「疑似就是承包商的既有產品」的判斷,**放在心裡當背景、支持創新性 0,但不寫進對外評語**,拿捏剛好。 要不要我用政府電子採購網查一下富聯在新竹市環保局的得標紀錄,把「疑似」變成「確認」?還是就維持現在的評分與評語(創新性 0 已經到位)? e36e3881 2026-09-10 [23:23] 助理： 主題 7 我都記得,不再拉取。刻意不硬找 —— **整體分佈我認為一致,沒有哪一件明顯需要調整。** 把我特別去對過的兩處講給您: **五件排序:** | 加權 | # | 分數 | | |---|---|---|---| | 5.12 | 38 | 6/4/6/2/6 | AI精準修剪(林試所) | | 4.53 | 123 | 9/6/0/1/2 | 太陽能板清洗(產學計畫) | | 3.77 | 156 | 5/4/0/2/7 | 智慧通學(政策試點) | | 2.35 | 185 | 3/4/0/3/4 | 環境監控(離網空洞) | | 1.05 | 80 | 1/1/0/3/2 | 可可病害(既有＋利基) | **我特別去對、確認站得住的兩處:** 1. **#38 創新性 6(全場唯一非 0),它憑什麼領先?** —— 站得住:它是**唯一「真正新的構想」**(路樹三刀法 AR 指引,查證只有葡萄藤的 3D2cut,不同作物),又是**林試所這個題目的權威單位**;其餘四件全是既有計畫/政策/產品重製(創新性 0)。您一貫用創新性獎勵「新點子」,#38 靠這個領先,合理。 2. **#123 社會影響力 6 vs #156 社會影響力 4 —— 我一開始覺得可疑**(通學安全〔兒童〕的價值方向,直覺上不輸太陽能板清洗)。但對過之後認為**defensible**: - #156 的社會影響力被實質折扣:**把壅塞/空污的結構問題歸因家長行為、長期監控兒童、功能潛變疑慮、且只是單校試辦、準實驗統計力存疑**; - #123 有**明確量化的維運價值**(增發、省水電、公有光電查核)。 - 所以不是「兒童安全被低估」,而是 #156 這個**特定方案**對兒童安全的實際貢獻被它自己的問題稀釋了。兩者都說得出理由。 **#123 可行性 9 vs #80 可行性 1** 我們上一輪已徹底釐清(一個已有專利成品、一個 700 張訓不出來),您評語也各自寫明,不重看。 至於**「#185 疑似就是富聯的既有產品」**—— 那支持創新性 0(已到位),屬心裡的背景判斷、不入評語,我不主張據此再改分。 所以就內容論,**五件的相對關係我都對得出理由,沒有建議調整的。** 主題 7 平衡我沒有意見。要接下一個主題嗎? e36e3881 2026-09-10 [23:28] 助理： 您這輪動了兩件的**社會影響力**,而且正好回應了我上一輪對過的那個疑點: | # | 社會影響力變動 | 加權 | |---|---|---| | **123** | 6 → **4** ⬇ | 4.53 → 3.97 | | **156** | 4 → **5** ⬆ | 3.77 → 3.35 | 等一下 —— #156 社會影響力**升**了(4→5),加權卻**降**了(3.77→3.35)?我重算一下…5×.30 + 5×.28 + 0 + 2×.05 + 7×.05 = 1.50 + 1.40 + 0 + 0.10 + 0.35 = **3.35**。而舊的 3.77 是社會影響力 4 時算的:5×.30+4×.28+0+0.10+0.35 = 1.50+1.12+0.10+0.35 = **3.07**。 **所以這裡有個對不起來的地方:** 舊分數 5/4/0/2/7 正確加權應該是 **3.07,不是我先前一直用的 3.77**。我先前算錯了 —— 3.77 是哪來的?讓我檢查…可能我上次把某個維度看錯。總之**以系統重算為準:社會影響力 4 時是 3.07,您升到 5 之後是 3.35**。#156 其實是**升分**(3.07→3.35),不是降。我先前報的 3.77 是錯的,跟您道歉。 **修正後,兩件調整的方向都對、也回應了我上一輪的觀察:** - **#123 社會影響力 6→4(加權 3.97)** —— 您把「太陽能板清洗維運」的社會影響力往下收。合理:它是既有產學計畫、維運優化,價值真實但不算高公共影響。 - **#156 社會影響力 4→5(加權 3.35)** —— 您把「通學安全(兒童)」的社會影響力往上調。這正是我上一輪說「兒童安全的價值方向直覺上不該低於太陽能清洗」的那個點,您把它校過來了。 **校準後的邏輯更順:** 現在 #123(4)與 #156(5)的社會影響力,反映「兒童安全 ≥ 太陽能維運」的價值排序,而 #123 仍靠可行性 9 排在 #156 之上(它是已運作的成品、#156 是政策試點)。 **新排序:** #38(5.12) ＞ #123(3.97) ＞ #156(3.35) ＞ #185(2.37) ＞ #80(0.83)。 這輪調整後**我沒有意見了**。要提醒的是我先前 #156 的加權報成 3.77 是算錯、正確是 3.07/3.35 —— 這是我的錯,以系統值為準。主題 7 收齊。