NEC 把即時影像變成災害分數：VLM 不只會描述畫面，還能提早抓出淹水前兆

2026/10/24 下午05:13（台北時間）

NEC 公布以視覺語言模型判讀道路與河川即時影像的技術，把現場變化轉成連續分數，並在 2027 年度力拚實用化。

日本 NEC 在 10 月 23 日公布一項新技術：讓視覺語言模型（VLM）去看道路與河川的即時影像，及早察覺災害來臨前的細微變化。目標不是等災情已經發生才通報，而是把現場狀態的推移量化，讓第一線人員更快確認、更快決定要不要應變。

畫面太多，人眼根本看不完

天災愈來愈頻繁，地方政府與基礎設施單位早已在許多地點裝了即時攝影機，問題出在人力：鏡頭數量龐大，值班人員不可能分分秒秒盯著每一支畫面，現場一點一點的變化也很容易被忽略。

傳統影像辨識雖然能幫忙，但每種災害、每個場地都要另外蒐集並標註大量訓練資料，部署起來費時又費工。NEC 這次的解法改走另一條路：直接借用已經在大規模資料上預先訓練好的 VLM，讓它不經額外訓練就能理解影像內容。

不過直接拿通用 VLM 來問「這裡是不是淹水了」，答案常常跟事實有出入，也不穩定，難以追蹤一段時間內的緩慢變化。而且模型的回答深受提問方式影響，要針對每個場地調出合適的問法，得靠專家反覆試誤。

NEC 的關鍵改動，是不再只採信模型最後說出口的文字，而是去分析它在生成文字過程中，內部算出的各種可能性的高低。舉例來說，面對同一張影像，模型認為「這是淹水畫面」的可能性有多大，本身就是一種訊號。把這種訊號抽出來，就能把淹水範圍、積雪程度這類現場狀態，轉換成連續變化的分數。

分數的好處是看得出趨勢：不是只有「有」或「沒有」兩種答案，而是能觀察數值一路往上爬的過程。營運單位也能依不同地點、不同災害類型，自行設定「前兆」與「危險」的門檻。

另一項設計，是讓系統自動替每個場地、每種災害生出合適的提示詞。部署時，AI 會參考該支攝影機實際拍到的構圖，逐步調整提示詞，讓前後影像的分數保持連續，避免因為畫面些微差異就忽高忽低。

過程中，系統還會自己判斷畫面裡哪些區域值得注意、哪些可以忽略，並把這些資訊寫進提示詞。如此一來，不必再由專家針對每一支攝影機、每一種災害逐一試錯，導入新場地的門檻大幅降低。

這項技術目前鎖定的情境，包括河川氾濫、道路與市區積水，以及積雪累積。由於能沿用地方政府與業者現有的即時攝影機，不必為了監測另外大規模裝機，對導入成本也相對友善。

NEC 表示，目標是在 2027 年度投入實際應用，協助地方政府與基礎設施營運者減輕監測負擔。對台灣讀者來說，這類「把影像變成可追蹤分數」的做法，也值得颱風與豪雨季節的第一線單位參考：真正的價值不在於模型會不會描述畫面，而在於它能不能在災情惡化之前，先讓數字說話。

NEC 官方新聞稿：NEC Develops AI Technology Using VLM to Detect Early Signs of Disasters from Live Camera Footage（2026 年 10 月 23 日）
JCN Newswire 轉載之 NEC 新聞稿

引用來源：NEC 官方新聞稿、JCN Newswire