我們是一個以智慧科技守護海洋環境為目標的團隊，致力於結合 SAR 衛星遙測、人工智慧與 FPGA 邊緣運算，打造即時、低功耗的海洋水域污染監測技術。
海洋油汙具有擴散速度快、影響範圍廣，以及應變時間有限等特性。當監測系統高度依賴雲端伺服器時，外海環境中的通訊頻寬、資料回傳延遲與能源供應，都可能成為即時監測的限制。我們希望改變傳統的監測方式，導入 AI 從雲端運算轉移到邊緣裝置，利用 SAR 衛星影像取得大範圍海域資訊，再透過量化 CNN 與 FPGA 硬體加速，在有限的運算資源下快速完成油汙辨識，實現從衛星影像（SAR）、AI 辨識、硬體加速，到即時示警，完整的智慧監測流程。
我們相信，真正有價值的科技是能夠在關鍵時刻及早發現問題、快速做出判斷，並為環境爭取更多應變時間。
SDGs 14 永續海洋？
從海洋污染偵測，到智慧化環境監測
本作品聚焦於海洋油汙監測與污染辨識，結合 Sentinel-1 SAR 衛星遙測、AI 影像辨識與 FPGA 邊緣運算技術，建立智慧化海洋環境監測流程，回應 SDG 14「保育及永續利用海洋與海洋資源」的核心精神。
透過 SAR 影像辨識海面油汙，協助掌握海洋污染情況
用 Sentinel-1 SAR 衛星遙測，進行大範圍海面影像分析
結合 CNN 與 FPGA Edge AI，加速 SAR 影像分析與二元分類辨識
整合終端顯示與通訊，將決策資訊快速回傳至使用者
合成孔徑雷達（Synthetic Aperture Radar, SAR）衛星利用微波進行主動式遙測，不受日夜及雲霧影響，適合大範圍海域監測。SAR影像中的油汙通常呈現暗斑，但易與低風速區、海洋生物膜及船舶尾跡混淆，且斑點雜訊（speckle noise）會影響辨識效果。為改善此問題，本作品採用李氏濾波器（Lee Filter）降低雜訊並保留影像特徵，以提升油汙偵測效果。
本架構為專為 SAR 海面油汙監測打造的輕量化神經網路。模型接收 126x126 影像，「特徵提取」階段透過量化卷積與最大池化層交叉運算，有效解決模型對複雜 SAR 影像特徵擷取不足的問題，並以平均池化層收斂特徵維度。
「分類」階段，輸入量化全連層，最後以 Argmax 輸出「油汙」或「無油汙」二元結果。整體模型採低位元量化設計，適合部署於 PYNQ-Z2 硬體加速器，實現低延遲的即時邊緣運算。
Zynq-7000 SoC：整合 CPU（ARM）與 FPGA 可程式化邏輯
PYNQ Framework：支援 Python、Jupyter 與 Overlay 開發
512 MB DDR3：提供充足的系統與資料運算空間
HDMI I/O：適合即時影像處理與視覺應用
豐富擴充介面：支援 Pmod、Arduino 與 Raspberry Pi 周邊
硬體加速能力：可利用 FPGA 平行運算提升演算法的執行效率
本作品以 PYNQ-Z2 上的 Zynq-7000 SoC 為核心，系統分為 PS（Processing System）與 PL（Programmable Logic）兩部分。PS 端負責 SAR 影像資料前處理、DDR Buffer 管理、DMA 控制、推論結果後處理與應用端資料回傳；PL 端則負責 CNN 硬體推論及影像資料串流與顯示輸出，透過 PS 與 PL 的協同運作提升整體處理效率。
本系統以 PYNQ-Z2 FPGA 開發板為核心運算平台，負責執行 SAR 影像的硬體推論與結果處理。使用者可透過電腦將待測影像傳送至開發板，由 FPGA 執行 CNN 模型推論，並將「有油汙」或「無油汙」的判斷結果回傳至應用端；同時可將處理後的影像輸出至螢幕，呈現辨識結果及油汙區域。
本系統整合 Website、手機 APP 與 LINE 機器人服務，並透過 Firebase 作為資料交換與後端服務。系統將資料傳送至 PYNQ-Z2 進行分析，結果回傳至應用端，並透過 LINE 提供即時通知，形成從影像上傳、FPGA 推論、結果回傳至使用者通知的完整應用流程。
點擊範圍內的 SAR 影像，啟動硬體二元分類推論。
Lat: -- | Lng: --
讓科技成為守護海洋的力量
本作品結合Sentinel-1衛星遙測與FPGA邊緣運算技術
致力於打造低延遲、高能效的海面油汙即時監測平台
以科技力量實踐聯合國 SDGs 14 永續海洋目標
全方位守護海洋生態。
SDGs 14 保育及永續利用海洋與海洋資源
