記者王承綸／高雄報導
海洋委員會國家海洋研究院(國海院)今(12)日於臺北IEAT會議中心舉辦「印太海廢影像資料集MDImageNet國際論壇」，邀集來自澳洲、韓國、泰國、美國等地的國際專家與臺灣團隊，透過實體與線上方式以推動AI-Ready Data Governance（即確保影像資料能直接用於AI模型訓練的標準化管理流程）為核心理念，強調建立從資料收集、標註、共享到治理的完整鏈結，確保海洋廢棄物影像資料具備品質一致性、可追溯性與跨國互通性，為AI應用奠定堅實基礎，並促進印太地區在相關資料收集、共享與治理上的協同合作。
這個工作的目標是建立可供各國AI團隊及研究機構使用的「AI-Ready 海廢影像資料集」，而非直接開發AI模型。透過高品質、可追溯的標註影像資料，讓未來任何AI開發者，如學生或公民科技參與者，都能在公平且一致的基礎上訓練模型。
國際專家齊聚分享AI與資料庫應用經驗，論壇以「AI-Ready海廢影像資料集」為核心，首先由國海院陳璋玲院長線上開幕致詞。陳院長表示：國海院結合臺灣的科技專業與國際夥伴的經驗與洞察力，致力建立AI-Ready的海廢影像資料集，以開發更智慧、更快速、更協調的工具，應對海洋廢棄物問題。我們秉持將資料轉化為行動的理念，不僅在臺灣，更要推向印太地區及全球，為後代子孫建立更清潔、更健康、更永續的海洋。論壇由長期投入海廢快篩的澄洋環境顧問有限公司顏寧執行長主持，聚焦如何透過人工智慧與跨國合作，提升海廢監測的效率與準確性，並推動未來資料開放與公眾參與。
來自於印太國家的專家齊聚於論壇，分享AI與資料庫應用的經驗。首先，由國海院賴堅戊研究員介紹臺灣建置的MDImageNet海廢影像資料集，該資料集依據AI-Ready Data Governance架構，落實資料在收集、標註、分類與管理上的品質一致性與可追溯性，並以國際淨灘行動(International Coastal Cleanup，ICC)之海洋廢棄物分類為基礎進行分類與標註。自2023年至今，已累積超過 20,000張影像，並公開於MDImageNet海廢影像資料集平台（https://mdimagenet.namr.gov.tw/），結合卷積神經網路(Convolutional Neural Network,CNN)與物件偵測技術，提供即時影像辨識功能。
國海院賴研究員指出，海廢種類繁多、型態多變且受環境影響大，缺乏高品質且標準化的影像資料會限制AI技術在監測與治理上的應用，因此專屬的影像資料集對確保分類一致性與推動跨國合作至關重要。今年7月，國海院於新北野柳舉辦「海廢調查暨 MDImageNet 推廣活動」，號召民眾透過手機拍攝並運用AI即時辨識，開創「科技淨灘」新模式。
泰國亞洲理工學院地理資訊中心(GIC)Karun Mooksrisai與 Hau Nguyen Cong介紹「pLitter系統資料庫」，運用地理資訊系統與空間科技，開發可監測並管理塑膠污染的創新平台。韓國我們的東亞海網絡(OSEAN)創辦人Sunny Hong博士分享「Ocean Knight」公民科學計畫與「Ocean Cloud」海洋資料入口網站，展示如何結合AI與民間參與，形成國家級海廢監測資料。美國國家海洋暨大氣總署(NOAA)Sea Grant專家 Catherine Prunella以美國案例探討海廢治理挑戰，並提出社區資料集與國際合作的新契機。
澳洲Tangaroa Blue Foundation的 Jack Greenshields博士介紹「澳洲海洋廢棄物倡議(AMDI)」資料庫。AMDI資料庫蒐集全澳洲上千場淨灘的資料，協助辨識污染源與趨勢，進而推動精準的源頭減量與政策改變，未來也積極探索人工智慧(AI)應用於影像辨識技術。
以資料轉化行動 推動減塑與海洋永續，論壇除分享各國經驗，也蒐集專家對MDImageNet的回饋，為 2026 年舉辦的「MDImageNet影像識別挑戰賽」奠定基礎。該賽事將邀請全球團隊以真實海洋廢棄物影像資料訓練新一代影像識別模型，推動創新應用落地。
此時正值《全球塑膠公約》第五輪第二階段政府間談判會議(8月5日至14日)於瑞士日內瓦舉行之際。此次論壇深化臺灣與印太國家專家的交流，也讓與會者掌握全球在AI與海廢影像資料管理的最新趨勢與最佳實踐，共同朝向減塑與海洋永續的目標前進。
