台灣垃圾量2021的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列問答集和資訊懶人包

低碳政策施政與民眾滿意度之研究

為了解決台灣垃圾量2021的問題，作者徐福基 這樣論述：

全球氣候變遷加速，環境破壞與氣候日益惡化，1987年聯合國報告揭示，世界發展必須與地球環境承載力取得平衡協調；臺灣政府也積極承擔國際共同責任，制定各類低碳規則，以調降溫室氣體擴張，陸續立法通過「永續能源政策綱領」設立「永續發展委員會」、「能源減碳辦公室」、「臺灣永續發展目標」等環境永續發展政策。 本研究建構「低碳政策評估指標」，由文獻回顧蒐集國際組織低碳政策指標、各國低碳政策文獻、國內部門低碳政策綱領等，歸納出八項低碳政策主軸「生態綠化」、「綠色運輸」、「節約能源」、「資源循環」、「低碳生活」、「永續經營」、「能源效益」和「綠產業科技」40項題項因子，依題項因子系統進行專家問卷

(模糊德爾菲法)，由專家審核遴選出28題項專家共識之低碳指標，成為檢測低碳政策推行之評估指標項目。 研究探討影響溫室氣體三大重點「民眾環保行為」、「生活環境品質」和「低碳政策施政」，經調查顯示，民眾對「自我環保行為」滿意者有81.5%，對「生活環境品質」滿意者57.3%，對政府「低碳政策施政」滿意者僅為54.6%，顯示民眾對「生活環境品質」、「低碳政策施政」具高度期待態度。 綜合交集各研究方法之成果，比對專家問卷、重要度評量、滿意度評量、績效評估矩陣管制界限等成果題項，交集各研究方法重疊聚焦之政策達8項題項，政策內容分別是:「城市總綠地覆蓋率」、「平地植樹造林」、「民眾減少每日垃圾

量」、「垃圾回收及處理率」、「雨水工業水回收再利用」、「污水分流及污水處理」、「民眾及企業使用再生能源」、「增加綠色產業」等政策題項，是民眾及專家高度重疊聚焦之低碳政策。 本研究依據各實證方法成果，提出改善策略作為政府低碳政策規劃之參考，期望藉由改善策略之執行，提昇政府低碳政策之民眾滿意度，並進而推展低碳政策施政之國際地位。

基於深度學習網路之回收物智慧辨識及分類的應用

為了解決台灣垃圾量2021的問題，作者梁正佑 這樣論述：

科技日漸發達，造就了人們便利的生活，而便利的生活卻為環境帶來大量的破壞與垃圾，在不斷開發自然環境的同時也不斷製造垃圾，地球的資源正以飛快的速度減少，若不能有效利用資源，則人類的生存環境只會越來越惡劣。垃圾分類一直都是人類所必須面對的大問題，隨著人類越來越多，垃圾量只會越來越大，若能有效分類，就能向資源的永續利用前進一大步。本研究開發出一套回收物自動辨識及分類系統，先使用近年來相當熱門的YOLO(You Only Look Once)系列目標檢測演算法及Faster-RCNN演算法訓練出一份適用於辨識台灣地區可回收垃圾種類的權重模型，再將其與Intel RealSense系列深度鏡頭及

Delta並聯式機械手臂結合，由深度鏡頭對回收物進行檢測辨識，在檢測出回收物種類、回收物中心點及深度資訊後，將這些訊息傳送至Delta手臂，讓手臂進行吸取分類的動作。 在經過模型訓練後，可得知YOLOv3的mAP可達92.12%、YOLOv4的mAP可達93.13%、Faster-RCNN的mAP可達93.69%，並於最後實際測試上也可達到70.73%的辨識準確率以及86.30%的吸取穩定度，從研究結果可得知，我們的分類方式是有效且對台灣的回收物種類是有一定水準的辨識度的。