數位聯展

政大校園內，垃圾分類規範繁瑣且回收桶標示全為中文，對於國際學生及新生而言，常造成誤分類的問題，不僅污染整批回收物，也增加處理成本。為解決此一痛點，本組開發了「Waste Vision」套基於 YOLOv8 深度學習模型的即時垃圾辨識與分類系統。 系統能夠辨識 12 種常見垃圾品項，並自動對應至政大校園的四大回收類別：塑膠類、紙類、鐵鋁罐與玻璃類、以及紙容器類。資料集共蒐集 2,140 張圖片，來源涵蓋開源資料集、校園實地拍攝及網路爬取，以 80/20 比例進行訓練與驗證集劃分。模型於 Google Colab 上以 20 個 Epoch 完成訓練，最終達到 mAP50 96.34%、Recall 95.68%、Precision 93.17% 的優異成效。 使用者只需透過 Gradio 網頁介面上傳或拍攝垃圾照片，系統即會即時標示偵測框、顯示物品名稱、所屬回收類別及信心分數，操作直覺且無語言障礙。本專題旨在以 AI 技術降低分類門檻，推動政大校園邁向更永續的綠色環境。