新聞

水質監測除了仰賴設備高昂的各種感測器，也能透過生物行為建立即時預警機制。資策會人工智慧研究院（AI院）在經濟部產業技術司支持下，近期將展示一項「生物水質感測數位雙生技術」，運用AI影像辨識黃金蜆的開合行為，當水質異常時，藉由蜆集體閉殼的自然反應，即時發出警示，打造低成本、高效率的智慧水質監測方案。

黃金蜆化身生物感測器，活水監測24小時不中斷

不同於傳統定期採樣，這項技術為持續引流原水的「活水式養蜆箱」。將淨水廠的原水持續引入養蜆箱，每個箱內部放置10顆台灣黃金蜆，透過流動活水持續監測水質變化。

資策會AI院組長蔡政鴻表示，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。」

這套系統並不是觀察單一蜆，而是分析10顆蜆的集體反應。由於蜆本身也有生理時鐘，個體可能因休息而閉殼，因此AI著重判斷是否出現短時間內集體閉合的異常現象，以降低誤判。

AI只判斷蜆開、關兩種狀態，最快2分鐘發現污染

在辨識方式上，資策會並未讓AI分析蜆的開殼角度，而是將蜆的狀態簡化為「開」與「關」兩種結果。

蔡政鴻指出，只要水質異常，蜆便會快速集體閉殼，因此不需要分析半開、微開等細微差異，即可達到預警目的。

該技術採用攝影機搭配邊緣AI（Edge AI）及零樣本學習（Zero-shot LearningEE, ZSL），可辨識多顆蜆的開合狀態，並建立生物行為的數位雙生模型。蔡政鴻表示，相較傳統生物監測設備，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。

邊緣AI因應偏遠水源，以零樣本學習加速模型建立

蔡政鴻指出，水源地多位於偏遠山區，網路頻寬有限，因此系統也採用邊緣AI架構部署，在現場以小型運算設備完成影像辨識，再將辨識結果的結果回傳，而非持續傳送影像，可降低對於頻寬需求並提升即時性。

至於零樣本學習，則主要用於建立AI訓練資料。過去需要人工逐張標註影像中的蜆，現在只需先標註少量樣本，再由AI自動找出大量相似影像並完成標註，最後再由人工確認，大幅降低資料標註工作量，加快模型迭代速度。蔡政鴻表示，整套技術歷時約一年完成開發。

相較於傳統水質感測設備可量測pH值、濁度、溶氧等參數，黃金蜆監測並不負責判斷污染物種類，作為第一道異常預警。

蔡政鴻表示，一般而言，要監測更多的水質參數，就需要部署更多感測設備，不僅建置成本高，也增加維護及供電需求；這套黃金蜆的智慧監測機制可直接根據生物的自然行為判斷「水質是否出問題」。

他表示，對自來水公司或淡水養殖業者而言，最重要的是第一時間知道水源是否異常，以便立即停止取水或採取應變措施，「至於到底是哪一項污染物造成的，則是環保單位後續追查的工作。」

已於新北淨水廠進行驗證，未來整合氣象打造水務數位雙生

目前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。實際測試中，當上游調整加藥後，下游養蜆箱便出現集體閉殼現象，驗證黃金蜆可作為水質異常的即時生物指標。

除了蜆的行為監測，這套機制也結合數位雙生概念延伸至環境感知。蔡政鴻表示，未來可結合山區氣象站、降雨及水文資料，若系統預先得知上游豪雨可能導致原水濁度上升，淨水廠便可提前調整準備，混凝劑投加量或切換取水來源，提升供水韌性。

資策會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。