臺灣博碩士論文加值系統

臺灣 早期主要以掩埋方式處理一般廢棄物，但為了提高環境衛生及環境保護觀念，自 1991 年起改用焚化方式進行廢棄物處理。焚化廠的操作運轉需了解廢棄物之實際物理組成及化學特性，而目前物理組成的分類方法以人工辨識分類及機械分選為主，為提升廢棄物分類效率， 並提供相關資料給營運單位供參考， 本研究以影像辨識系統進行廢棄物物理組成之判斷，本 試驗方法於固定面積中將廢棄物攤平並進行多次攝影，以人工方式對影像中廢棄物進行分類並計算其面積，將其影像的廢棄物面積 、廢棄物密度與參照值相乘 計算結果與實際值比對 。計算方法本 步驟有二種，方法一為 建立預測公式 ，其公式分別為紙類 y= 0.1311x +678.29 、塑膠類： y=0.1464x+408.42 、纖維類： y=0.1295x+178.53 、木竹稻草類：y =0.3618x+20.455 、廚餘類： y =0.0651x+282.04 其中 y 值為 預測 值， x值為 影像辨識 值 ，公式之準確率分別為紙類可達 91.8% 以上 ，塑膠類可達51.8 以上，纖維類可達 55 以上，木竹稻草類可達 61.4 %%，廚餘類可達77.4 以上 。 方法二為 將 影像辨識 值 與實際值作為資料庫，利用預測函數推估 預測 值 ，其誤差值分別為紙類 81.7 ；塑膠類 43.7 ；纖維類 51.8 ；木竹稻草類 879.0 ；廚餘類 38.7 測試結果顯示 方法一 適用於紙類。 方法二適用於紙類、塑膠類、纖維類 。

In the early days, Taiwan mainly disposed of general waste by way of burial, but in order to improve the concept of environmental sanitation and environmental protection, since 1991, it has switched to incineration for waste disposal. The operation of the incineration plant needs to know the actual physical composition and chemical characteristics of the waste. The current physical composition classification method is mainly based on manual identification classification and mechanical sorting. In order to improve the efficiency of waste classification and provide relevant information to the operating unit For reference, this study uses an image recognition system to judge the physical composition of waste. In this test method, the waste is flattened in a fixed area and photographed several times. The waste in the image is manually classified and its area is calculated. The waste area and waste density of the image are multiplied by the reference value and the calculation result is compared with the actual value. There are two calculation methods in this step. The first method is to establish a prediction formula. The formulas are paper: y=0.1311x+678.29, plastic: y=0.1464x+408.42, fiber: y=0.1295x+178.53, wood Bamboo and straw: y=0.3618x+20.455, kitchen waste: y=0.0651x+282.04, where y is the predicted value, x is the image recognition value, and the accuracy of the formulas can reach more than 91.8% for paper, respectively. Plastics can reach more than 51.8%, fibers can reach more than 55%, wood, bamboo and straw can reach 61.4%, and kitchen waste can reach more than 77.4%. The second method is to use the image recognition value and the actual value as a database, and use the prediction function to estimate the predicted value. The error values are 81.7 for paper; 43.7 for plastic; 51.8 for fiber; 879.0 for wood, bamboo and straw; and 38.7 for kitchen waste; Test results show that method one is suitable for paper. Method 2 is suitable for paper, plastic and fiber.

總目錄
摘要 I
Abstract III
致謝 V
總目錄 VI
表目錄 IX
圖目錄 X
第一章　前言 1
1-1研究緣起 1
1-2研究目的 3
1-3 研究架構 3
第二章　文獻回顧 5
2-1台灣廢棄物早期處理方法 5
2-2焚化廠 6
2-2.1焚化廠歷史 6
2-2.2焚化廠分布 7
2-2.3焚化廠操作操作流程 9
2-2.4焚化廠目前面臨問題 12
2-3廢棄物分類方法 13
2-4廢棄器物物理組成 14
2-5台灣目前政策 16
2-6影像辨識應用 17
2-6.1人工智慧於海洋垃圾辨識系統之應用研究 18
2-6.2航攝正射影像之物件分類探索 20
第三章　材料與方法 22
3-1廢棄物樣品來源 22
3-2廢棄物採樣流程 23
3-3採樣設備和個人安全設備 25
3-4實驗方法 26
3-4.1.樣品分類 26
3-4.2.人工辨識面積方法 28
3-5實驗方法 30
3-5.1方法(一) 30
3-5.2方法(二) 32
第四章　結果與討論 34
4-1廢棄物物理組成分類 34
4-2人工辨識結果 40
4-3廢棄物密度 64
4-4測試實驗方法準確度 65
4-4.1方法（一） 65
4-4.2方法（二） 74
第五章　結論與建議 81
5-1結論 81
5-2建議 82
參考文獻 83

 
表目錄
表1. 台灣焚化爐分布 7
表2. 廢棄器物物理組成 14
表3. 採樣裝置和個人安全設備 25
表4. 廢棄物的物理組成 27
表5. 廢棄物物理成分各類佔比 35
表6. 採樣地點與人工辨識結果 40
表7. 廢棄物各項辨識面積之平均值 58
表 8廢棄物平均密度 64
表9. 樣品1公式準確度測試 69
表10. 樣品2公式準確度測試 70
表11. 樣品3公式準確度測試 71
表 12. 樣品4公式準確度測試 72
表13. 樣品5公式準確度測試 73
 
圖目錄
圖1. 研究架構 4
圖2. 採樣地點 22
圖3. 採樣流程圖 24
圖4. 廢棄物上色網格圖 28
圖5. 人工辨識面積流程圖 29
圖6. 公式推導流程圖 31
圖7. 方法二流程圖 33
圖8. 紙類公式推導 66
圖9. 塑膠類公式推導 67
圖10. 纖維類公式推導 67
圖11. 木竹稻草類公式推導 68
圖12. 廚餘類公式推導 68
圖13. 廢棄物辨識結果 75
圖14. 紙類預測值與實際值之誤差百分比 76
圖15. 木竹稻草類預測值與實際值之誤差百分比 77
圖 16. 纖維類預測值與實際值之誤差百分比 78
圖17. 塑膠類預測值與實際值之誤差百分比 79
圖18. 廚餘類預測值與實際值之誤差百分比 80

1.W.T. Tsai.,“Bioenergy from landfill gas (LFG) in Taiwan.” Renewable and Sustainable Energy Reviews, Vol. 11,pp. 331–344(2007).
2.K. Fricke, H. Santen, R. Wallmann,“Comparison of selected aerobic and anaerobic procedures for MSW treatment.” Waste Management, Vol. 25,pp. 799–810(2005).
3.A. Bezama, P. Aguayo, O. Konrad, R. Navia, K.E.“Lorber,Investigations on mechanical biological treatment of waste in South America： towards more sustainable MSW management strategies.” Waste Management, Vol. 27,pp. 228–237(2007).
4.A. Saffarzadeh, T. Shimaoka, Y. Motomura, K.“Watanabe,Chemical and mineralogical evaluation of slag products derived from the pyrolysis/melting treatment of MSW.” Waste Management, Vol. 26,pp. 1443–1452(2006).
5.L. Be’bar, P. Stehlı’k, L. Havlen, J. Oral, “Analysis of using gasification and incineration for thermal processing of wastes.” Applied Thermal Engineering, Vol. 25,pp. 1045–1055(2005).
6.M.Y. Wey, W.Y. Ou, Z.S. Liu, H.H. Tseng, W.Y. Yan, B.C. Chiang., “Pollutants in incineration flue gas.”, Journal of Hazardous Materials Vol. 82 ,pp. 247–262(2001).
7.J.H. Kuo, H.H. Tesng, P.S. Rao, M.Y. Wey. “The prospect and development of incinerators for municipal solid waste treatment and characteristics of their pollutants in Taiwan.” Applied Thermal Engineering, Vol. 28, pp. 2305-2314(2008).
8.W.L. Mao, W.C. Chan, C.T. Wang, Y.H. Lin, “Recycling waste classification using optimized convolutional neural network. ” Resources, Conservation and Recycling, Vol. 164, 105132(2021).
9.Haitao Chen, “Optimization of an Intelligent Sorting and Recycling System for Solid Waste Based on Image Recognition Technology. ” Image Processing based on Partial Differential Equations, Vol. 2021, 4094684(2021).
10.Mohammad Zubair, Yash Mathur, Himanshu Rathore, Param Gupta, Snehashish Banerjee, “Smart Waste Bin: Mechanical and AI Based Waste Segregation.” 2022 Second International Conference on Artificial Intelligence and Smart Energy(ICAIS), doi: 10.1109/ICAIS53314.2022.9742806, pp. 63-66(2022)
11.黃嘉洋，｢影像分析用於植物葉片系統」，碩士論文，聖約翰科技大學資訊工程研究所，新北(2012)
12.行政院環境保護署，推動循環經濟–廢棄物資源化(2018)。
13.行政院環境保護署，2003年台灣環境資訊年鑑，pp. 22–23(2004)。
14.陳聯平，十年回顧－台灣地區垃圾焚化爐營建實錄，佰悅國際有限公司，台北市（2004）
15.胡永柟、陳傳傑、黃致軒、陳茂林，｢模型估測應用於影像辨識之研究與設計」，科學與工程技術期刊，第2捲，第2期，第 79-86 頁(2006)。
16.楊柏弘，｢人工智慧於海洋垃圾辨識系統之應用研究」，OAC-NPU-109-22（研究報告），No.22，澎湖(2020)。
17.蔡萬豐，｢一般事業廢棄物分選場效益研究-以可燃性廢棄物為例」，碩士論文，國立中央大學環境工程研究所，桃園(2001)。
18. 鍾穎慧，｢不同影像尺寸與不同特徵表達對影像辨識之影響」，碩士論文，國立中央大學環境工程研究所，桃園(2001)。
19.洪宗輝，｢電腦視覺即時影像辨識應用於無人軌道車之運動控制」，碩士論文，義守大學電機工程學系碩士班，高雄(2016)。
20.劉奕洋，萬絢，｢基於整體學習演算法於航攝正射影像之物件分類探索-以海岸廢棄物為例」，航測及遙測學刊 第二十六卷 第3 期 第 181-192 頁(2021)