多模態AI輔助溺水偵測無人機
本系統以15公斤以下多旋翼無人機為平台，整合可見光影像 (RGB Imaging)、熱影像 (Thermal Imaging)、距離感測 (Distance Sensing) 與地理定位 (Geolocation) 能力，並透過邊緣運算 (Edge Computing) 與即時影像辨識模型，降低對雲端運算與地面設備的依賴，提升現場部署彈性與反應速度。
技術特色
系統整合可見光影像、熱影像、距離感測與地理定位資訊，可因應不同水域環境與光線條件，提升目標搜尋與判讀能力，協助救援人員掌握疑似溺水者位置。
系統整合與即時通訊本系統透過中央控制模組整合感測資料、任務控制、飛行行為與通訊傳輸，協調無人機端各項模組與地面控制站之間的資料交換。偵測結果與任務狀態可即時回傳至操作介面，讓救援人員在現場快速掌握目標位置、影像資訊與任務進度，提升水域搜救的即時反應能力。
邊緣運算與資料融合架構為降低對雲端運算與遠端伺服器的依賴，系統採用邊緣運算架構，將多模態感測、影像前處理、AI辨識與即時資料傳輸整合於無人機平台端。透過可見光影像、熱影像、距離量測與定位資訊的資料融合 (Data Fusion)，可提升偵測穩定性與環境適應能力，即使在通訊受限或低頻寬場域中，也能維持即時辨識與任務執行效能。
AI模型訓練與資料建置本研究以多旋翼無人機蒐集真實人員模擬溺水情境影像，涵蓋河川與海域環境，並納入不同飛行高度、拍攝角度、身體姿態與服裝條件。資料經影像切割、前處理與人工標註後，建立共7,103張訓練資料，並採用YOLOv8n物件偵測模型 (YOLOv8n Object Detection Model) 進行訓練，以提升小目標、低對比與複雜水面背景下的辨識能力。
AI即時影像辨識系統導入深度學習影像辨識模型，可針對河川、海岸等開放水域中的疑似溺水目標進行即時偵測。透過AI輔助判讀，可降低人工目視搜尋負擔，協助救援人員在黃金救援時間內更快發現目標。
穩定化與影像前處理為提升影像品質與辨識可靠度，系統結合穩定化模組與影像前處理 (Image Preprocessing) 流程，降低無人機飛行晃動、水面反射、影像模糊與雜訊對辨識結果的影響。此設計有助於提升水域環境中即時偵測的穩定性，特別適用於低空飛行、定點懸停與動態搜救任務。
高準確率辨識表現系統經AI模型訓練與測試後，達到98%偵測準確率、mAP@0.5 (mAP@0.5) 為0.991，峰值F1-score達0.97，展現良好的即時辨識效能與應用潛力。
強化複雜環境適應能力面對低光源、水面反射、遮蔽、複雜背景，以及深色衣物等低對比目標，系統仍可維持穩定偵測表現，有助於提升開放水域搜救任務的可靠性與實用性。
應用效益多模態AI輔助溺水偵測無人機可應用於海域、河川、湖泊、水庫及易淹水區域之水域搜救任務。透過無人機快速部署與空中視角，可協助救援單位擴大搜索範圍、縮短目標發現時間，並提升救援決策效率。
此技術可作為消防、海巡、救難及地方政府水域安全管理的重要輔助工具，協助強化即時監控、災害應變與水域事故處理能力。
持續投入AI、無人機與水域搜救技術整合，推動智慧化、即時化與高效率的公共安全應用。透過多模態感測、AI影像辨識與實際場域驗證，本技術不僅提升無人機於水域搜救任務中的應用價值，也為未來智慧救災與公共安全科技建立更具韌性的解決方案。
國際期刊肯定本技術相關研究成果已於五月刊登於 SCIE Q1 國際期刊 Drones，論文題目為 “Research on Real-Time Drowning Detection in Open Water Using Unmanned Aerial Vehicles and Artificial Intelligence Image Recognition”。研究內容聚焦於無人機結合人工智慧影像辨識於開放水域即時溺水偵測之應用，並透過河川與海域實際情境驗證系統效能。 此成果展現本技術團隊在AI無人機、水域搜救與公共安全科技應用上的研發能量，也代表本技術具備進一步推廣至實際搜救場域與國際應用情境的發展潛力。
國際期刊肯定
本技術相關研究成果已於五月刊登於 SCIE Q1 國際期刊 Drones，論文題目為：
研究內容聚焦於無人機結合人工智慧影像辨識於開放水域即時溺水偵測之應用，並透過河川與海域實際情境驗證系統效能。此成果展現本技術團隊在AI無人機、水域搜救與公共安全科技應用上的研發能量，也代表本技術具備進一步推廣至實際搜救場域與國際應用情境的發展潛力。