人類每天使用大量的包裝以及一次性容器，生產這些物品所產生的大量碳排放，以及後續廢物汙染，成為人們必須正視的重大問題之一。

雖然過往會透過廢料回收來降低對環境的汙染，但傳統廢料回收是透過人力方式分類，這樣的方式極度缺乏效率且耗用大量的成本，因此我們勢必得找到一個更有效的方式來改善這個問題。

【產業現況】

傳統的廢物收集及處理方式，是以人力進行分類，因此需要大量的時間和人力資源，且需要培訓和管理人員，使得成本高且效率低。

根據美國能源部關於塑料的報告中顯示 ，在 2019 年美國總計約 4,400 萬噸塑料廢物中，約 86% 被掩埋、9% 被燃燒，僅5%塑膠廢料是被回收的。這顯示目前存有大量的可回收資源未被妥善循環利用，而是被掩埋或焚燒，可想而知，這樣的行為會對環境造成巨大的污染，以及大量資源浪費。

【技術突破】

美國回收機器人公司「AMP Robotics」近期研發出一款材料回收設施（Metal Recovery Facility, MRF）的AI機器人，透過電腦視覺和深度學習來識別和回收各種材料，如塑料、紙板、紙張、罐頭等，目前AMP（Advanced Material Platform）的AI平台 AMP Neuron™ 已能夠識別超過500億個物體，成為機器學習中已知最大的可回收材料數據集。

圖1：AMP 電腦視覺影像分析標記

圖片來源：https://www.amprobotics.com/artificial-intelligence

AMP透過高效及高準確度地偵測及進行後續的分揀、拾取和放置材料工作，且無論是單一材質，還是混合紙張、金屬及塑料組合等都能有效地達成任務。目前已能做到99%的準確度，及每分鐘80到120次拾取，和人工處理相較，提供了更高的準確度，且提高了2~3倍的效率。

【未來展望】

材料回收設施 (MRF) 技術在未來具有重要的潛力，將進一步促進循環利用和回收價值創造，以及實現ESG中環境友善的目標。

透過AI機器人的高勞動效率和回收率，使更多可回收廢棄物得以回收再利用，並且能夠處理更多複雜的可回收廢材，確保所有內容得到有效處理，避免資源的浪費，讓大量的廢物轉化為可再利用的資源。並可減少對原始材料的需求，降低能源消耗及溫室氣體的排放，從而降低碳足跡和對環境的傷害。

封面照片來源：

https://www.amprobotics.com/robotic-system

參考資料：

1.AMP官網

https://www.amprobotics.com/artificial-intelligence

2.Robotics Develops Industry’s First AI-Powered System for Recovery of Film and Flexible Packaging

https://www.amprobotics.com/news-articles/amp-robotics-develops-industry-first-ai-powered-system-for-recovery-of-film-and-flexible-packaging

3.Robotics Raises $91 Million in Series C Financing

https://www.businesswire.com/news/home/20221102005209/en/AMP-Robotics-Raises-91-Million-in-Series-C-Financing

根據世界衛生組織(WHO)統計，乳癌是女性常見癌症，2020年全球有將近70萬人死於乳癌；我國衛生福利部統計資料顯示，2020年台灣地區有2,655名女性死於乳癌，是婦女癌症死亡排名第3位，平均每36分鐘有1名女性罹患乳癌。面對這樣的威脅，國民健康署建議民眾定期透過乳房X光攝影檢查進行篩檢，可以降低41%的乳癌死亡風險，並同時減少30%的晚期乳癌發生率。

但現行乳癌檢測卻有著場域的痛點，包括缺乏相關針對乳房攝影的拍攝現場重大缺失，即時提供放射師立即回饋的專用介面與模型，此外，亦缺乏自動化的系統可以比較和追蹤個別放射師的攝影品質及單位長期表現。若能補足此一缺口，將可縮短門診追蹤影像不良重拍所造成的醫療資源浪費，及減少因影像品質不良而造成誤判；近年來智慧醫療/精準醫療大行其道，透過人工智慧等影像判讀的輔助，將為醫療場域帶來更有感的提升。

透過影像收集訓練AI模型提升乳癌檢測，可望輸出海外成台灣之光

新創團隊洞視科技以技術切入這個市場痛點，透過AI模型進行影像品質檢測，打造影像品質自動化的審查工具，為醫療第一線人員（含放射師／臨床醫師等）與病患提升檢測效益。由於進行乳癌檢測中重要的環節正是 「乳房攝影」，若未能在第一時間揪出不良影像品質，則醫師將無法進行有效的判斷，病患也必須要被召回重新拍攝，勞心勞力。

也因此，這套系統能針對乳房攝影的品質進行檢測，同時提供快速且標準化的審查工具，為後續診療過程提供自動化比較和追蹤個別放射師及單位的長期表現；此外，根據導入的AI定審查結果，可以協助比對「系統判讀」與「人工判讀」的差異，藉此進行可信賴的功能測試讓AI模型能持續訓練與更新，優化乳房攝影品質檢測的模型。

洞視科技也預期，這套模型不只是能與潛在的上游供應鏈如醫療影像設備商、AI技術研發公司等合作，更有機會將解決方案輸出到醫院、診所甚至是跨國夥伴，讓世界看見台灣技術之光。

資料來源：數轉院/健康數據科技中心/科技加值組、洞視科技有限公司

封面圖片來源：https://www.istockphoto.com