王志中、詹宗達、許宇成、許宏維、李佳翰 / 臺灣大學工程科學及海洋工程學系；何昭慶 / 臺北科技大學機械工程學系；高豐生、朱仁佑 / 工研院材化所
背景
談到汙染問題，工業水汙染、海洋石油汙染、塑膠顆粒等水汙染造成了重大經濟損失、影響民生，也是人類永續發展的全球性問題。對於這個關鍵問題，需要能夠監測和識別汙染物類型的影像辨識技術來採取預防措施，防止水汙染變得更加嚴重。至於影像分析技術，近年來在電子資訊產業的應用已經比較成熟，可以應用於電路板、液晶面板、半導體晶圓。但對於傳統產業來說，如果是在惡劣的環境和流動的流體下，普通的視覺技術不足以應對汙染物的監測，而且目前沒有太多成熟的技術來應對此類情況。因此在本研究中，透過我們自製的實驗水槽內部擷取氣泡影像，最後利用影像分析和深度學習對其汙染物泡沫濃度和類型進行分類識別。
應用目標
應用水汙染物、化工業監控，未來如果技術成熟，甚至有朝向微塑膠汙染去辨識感測的機會，方法為開發影像辨識技術去達成辨識的目標。水汙染物種包含生物性蛋白、界面活性劑、浮渣、油汙、微塑膠……等不同種類，其中以生物性蛋白及界面活性劑較為常見。故本研究以生物性蛋白之牛血清蛋白(BSA)及介面活性劑之十二烷基苯磺酸鈉(SDBS)為實驗討論對象，利用影像方法嘗試對其濃度及種類達到分類辨識。
實驗方法與步驟
研究團隊選擇了在汙水中容易起泡的樣品，如生物性蛋白代表牛血清蛋白及界面活性劑代表十二烷基苯磺酸鹽，藉由一系列的影像處理方法分析擷取之泡沫影像，最終進行二質化處理計算，並框選泡沫覆蓋面積以及後續丟入人工智慧模型進行泡沫種類的辨別。最後，以傳統卷積神經網路模型其YOLO v7實際學習的成果去比較分類濃度以及汙染物種類之效率和精準度。
圖一、廢水消泡降解工作流程
一般河川的廢水中會含有很多的蛋白質與界面活性劑，而且具容易起泡的特性需要對其做消泡降解，整體工作流程如圖一。影像辨識技術的部份係針對泡沫擴散做偵測，以及使用人工智慧模型方法，辨識低濃度至高濃度的牛血清蛋白及十二烷基苯磺酸之表面液面泡沫影像。
本研究團隊自架水槽做實驗來模擬環境場域，本方法配置界面活性劑及生物性蛋白水樣兩種類進行實驗，接著使用空氣幫浦製造液面泡沫，並以相機模組擷取影像，圖二為實際架設示意圖，使用鋁擠型角鋼架設實驗平台，目標為穩定產生泡沫及擷取影像。
1. 影像方法以及人工智慧辨識分析
對於界面活性劑及生物性蛋白水樣兩種分析目標，以牛血清蛋白(BSA)及十二烷基苯磺酸鈉(SDBS)調製水溶液，分別在各種試樣中調製高濃度組(250、500 ppm)與低濃度組(100、50 ppm)。圖三為本次辨識系統處理泡沫影像的架構，利用相機擷取泡沫特徵後，以數種影像處理方法分析擷取之影像，最終獲得泡沫的面積覆蓋率。繼而將處理後之影像以TensorFlow做深度學習之卷積神經網路，進行泡沫種類的辨別，也嘗試使用YOLO v7偵測泡沫的種類及濃度，並比較兩種模型的效益。
圖四、250ppm BSA 泡沫覆蓋面積框選示範
在影像方法方面，過往也曾有很多研究分析；像是針對泡沫的穩定性與泡沫薄膜影像分析，利用相機擷取。而在泡沫的研究中，分析泡沫的大小和形態特徵以及浮選條件對浮選泡沫圖像的影響也是重要的。Zhang等人分析了氣泡的大小和形態特徵，以及浮選條件對浮選泡沫圖像的影響。在本研究中，我們經過一連串的高斯模糊、影像銳化、中值濾波及二值化後，利用green定理繪製出線條來框出其連通的 ---以上為部分節錄資料，完整內容請見下方附檔。