塑膠其實是整個垃圾分類與處理中最大的問題。在之前國家地理頻道協助拍攝的「海岸廢棄物快篩計畫」中,我們就看見塑膠製品是各區垃圾的主要部分,也就是說,計算生態學中物質流追溯的部分,對於「塑膠」這個材料從源頭到處理,應該建立一個系統好好研究。
其實台灣各大企業很喜歡也很願意投入資源去淨灘,但是究竟成效如何這是我們很想知道,安教授更想做的一件事是把這個淨灘的實質貢獻 (Credet) 歸給有貢獻的企業或法人。這個平台它要回答的問題如下,特別地,它要持續地回答台灣未來 50 年這個問題,安教授將一生致力於維護這個平台,因為它是一件對的事也是一件恆久有價值的事:
1. 台灣海岸上面垃圾量有多少?
分成 11 個垃圾體積等級,也就作為機器學習的 Label 標準 (可作為機器學習垃圾分類界的通用標準)。所謂體積的單位是公升 (L),是以台灣人熟知的黑色大垃圾袋為計量基礎,一個黑色大垃圾袋是 80 公升,分為 11 個等級,1 袋是等級三,2 袋是等級四,以此類推,第 11 級是 256 袋。所以這個平台的價值與主要要求之一,就是能夠透過照像評估、辨識出某一個垃圾的體積是多少,達到「垃圾全面監控」的境界。
圖片來源:https://www.youtube.com/watch?v=A_Z-k8XoKRc
2. 垃圾主要的分布範圍在哪邊?
台灣其實受到洋流影響很大,同一個地方的垃圾量在不同時節,會不會清了又髒、清了又髒?如果這是一個可預期或有規律的自然現象,或是更退一步,它是可追蹤的,那麼我們在安排資源去清理之成本就可更加經濟、合理。下圖是前 12 名最髒測站與海廢類型,56% 海廢集中在 10% 海岸線,所以海廢是有集中性的,這一點值得後續再開專題研究追蹤。
圖片來源:http://www.greenpeace.org/taiwan/zh/press/releases/oceans/2018/fast-screening-result/
3. 垃圾主要的類別有哪些種類?
垃圾分類資料視覺化,舉例來說,下面這兩張圖的綜合是安教授的理想:利用顏色做管理,分四級,紅黃綠藍分別代表髒亂到乾淨,一個紅綠燈的感覺。至於髒亂與乾淨的定義分界點,根據客觀來看是以「量」為標準,也就是體積,跟廢棄物的「數量」是同一個意思,都是「體積」的意思。透過物件辨識技術,可以在由物質密度標準量表,轉換出質量,用以評估載運的負擔能力需要多少。
圖片來源:https://www.youtube.com/watch?v=A_Z-k8XoKRc
圓餅圖的部分,安教授希望是三層鑽入 (Three-Layer Drill Down),點擊第一層餅可以再往下分解為第二層餅,比方說塑膠瓶罐最多,點進去還可以看到是哪些廠牌,或是哪些材質等,按照能夠歸因的能力與可取得的價值,去設計 Drill Down 的邏輯。這邊也有個物質流與歸因的學問可以做。
圖片來源:http://www.greenpeace.org/taiwan/zh/news/stories/oceans/2018/5-key-points-fast-screening-survey/