預測農作物產量是現代農業的重大挑戰，特別是在環境條件波動的情況下。隨著對永續糧食生產的需求不斷增加，了解環境因素與作物生長之間複雜的相互作用變得越來越重要。 　　日本滋賀大學研究團隊採用了變係數功能回歸模型（VCFRM），利用FDA技術來調查環境因素（如溫度和太陽輻射）對作物產量的影響。針對草莓和番茄的產量數據進行分析，草莓數據來自於日本滋賀的溫室，而番茄數據則來自於兵庫的商業溫室，草莓的數據涵蓋了212天的每日產量，番茄則有1172天的每日產量記錄。使用FDA將每日作物產量作為響應變量，並將60天（草莓）和80天（番茄）內的環境因素作為預測變量進行回歸分析。使用VCFRM建立模型，以視覺化這些動態交互作用，確定環境因素對作物生長影響最顯著的關鍵時期。 　　研究發現特定時間段內較高的溫度（如收穫前30到60天）能夠正面影響產量，而在某些時期（如收穫前50到60天）則可能會有負面影響。太陽輻射在收穫前1到30天內對產量有正面影響，但在某些關鍵時期也會出現負面影響。團隊所提出的FDA基於模型能夠有效地預測作物產量，並提供了有關如何優化條件以達到最大產量的深入理解。 　　此項研究發表在2024年5月《Horticulture Research》期刊，此項研究貢獻在於對永續農業具有廣泛應用價值，特別是在植物工廠和溫室等受控環境中。FDA模型可以適應不同作物和環境設置，是一種多功能工具，有助於優化生產。更精確地管理環境變量，此方法可確保即使在挑戰性條件下也能實現穩定的產量和盈利。 【延伸閱讀】- 全球糧食供應現狀及臺灣的糧食安全政策

日本草莓品質高，海外需求量大，為了擴大出口，需要加強生產基地。然而，日本草莓生產的主流是溫室強制栽培，冬季暖氣費用較高。此外，與其他栽培蔬菜相比，栽培管理和採收需要更多的勞動力，人均勞動時間約為每年2000小時。為了在工資和燃料價格持續上漲的情況下維持業務，必須提高生產效率並提高單位面積的生產力。 　　研究團隊使用無衛星定位之無人機來識別氣流條件，從作物上方進行向下氣流以暴露生長點，同時還可以沿著作物行移動，再以AI來檢測和計算沿著移動時拍攝的影片中相繼出現的植物，然後識別作物行中的每棵植物，並為植物分配一個ID記錄每張影像。 　　研究發現透過從上方施加氣流，葉子可以在生長點周圍向外掉落，進而暴露生長點。定量評估風速與葉片運動的關係表明，風速為4～6m/s時，葉片向外運動約30mm，生長點附近無葉片的間隙比例增加至約60%時，可拍攝新出的嫩葉。另一方面，生產者擔心施加強氣流會損壞植物，因此團隊研究了草莓葉子的物理特性，例如它們的阻力，當一般小型無人機（四軸飛行器；四葉片）懸停時的氣流分佈時，發現氣流集中在四個螺旋槳的中心附近，風速隨距離成正比衰減。因此，團隊決定使用方法是讓無人機的中心位於農作物行的正上方（生長點的正上方），並根據高度控制施加到植物上的氣流速度。透過比較同一株植物隨時間記錄的影像，現在可以輕鬆觀察幼葉，這是種植草莓的重要生長指標。 　　此項研究發表在2024年7月溫室園藝和植物工廠展（GPEC）展出，此項研究貢獻在於能夠以節省勞力的方式獲得溫室中許多植物葉子的發育和生長資訊，並有望改善草莓的高效生產方式。 【延伸閱讀】- 解密關於草莓果實品質的基因

由於作物在不同生長階段和環境下表現多樣，傳統人工巡查與標註極為耗時，美國伊利諾大學(University of Illinois Urbana-Champaign)團隊希望藉由AI自動化分析，提升農業田間研究與作物改良的速度與規模，並推動AI技術在生物學與數位農業的更廣泛應用。 　　研究團隊利用數千種芒屬草類的空拍影像作為訓練素材，採用生成對抗網路（GAN）架構，讓兩個AI模型互相競爭，一個生成擬真影像，另一個判別真偽。經過多輪競爭後，模型能自動學習並精準分辨開花與未開花植株。為進一步減少人工標註需求，團隊開發出「高效監督生成對抗網路」（ESGAN），透過自我生成與判別機制，大幅降低標註數據量的需求，並與傳統深度學習方法進行準確度比較。 　　研究發現ESGAN能將人工標註數據需求降低一到兩個數量級，且在不同地點、不同作物群體與不同物種間均能維持高準確率。這意味著過去需要大量人力巡查與標註的田間調查，如今可透過AI大幅自動化，顯著提升研究效率。目前團隊正在與Miscanthus育種計畫合作，將此方法應用於多州田間試驗，加速適應性新品種的開發。 　　此項研究發表在2025年《Plant Physiology》期刊，研究貢獻在於為數位農業與作物科學帶來重大突破，首次證明AI可在極少人工標註下自動學習複雜田間性狀，降低農業AI應用門檻。這一方法不僅提升了作物改良與生態監測的效率，也為全球推動生物經濟與永續農業提供了新工具。團隊期望未來能將此技術推廣至更多作物與性狀，促進AI在農業領域的廣泛採用。 【延伸閱讀】－利用自動化AI模型加速水果偵測及辨識

植物表型分析（即檢查和表面植物特徵）可能是一項勞動密集型任務。用捲尺測量植物高度、使用重型手持設備測量多個波長的反射光，以及對單一植物進行化學分析，這些都是勞動力需求較高且較高花費的工作。 　　美國普渡大學的研究團隊利用無人機和衛星進行遙測數據收集，包括高光譜相機和光達（LiDAR）技術，以獲取植物的幾何結構和反射光譜數據，使用循環神經網絡（RNN）模型，特別是長短期記憶（LSTM）網絡，運用LSTM網絡來捕捉時間序列數據中的空間和時間模式，並進行未來產量的預測，將遙感數據、環境數據以及玉米品種的基因標記結合，以建立預測模型，開發算法以分析大規模數據集，識別健康與受壓作物之間的差異。 　　研究發現該模型已成功展示其在預測玉米產量方面的能力。透過分析大量資料集中的模式，可以準確預測不同品種玉米的生長狀態。農民可以早期識別問題，並采取適當措施以改善作物品質。此外，也為選擇更可靠的品種提供了依據，使得未來的育種工作更加高效。由於使用遙測技術進行遠距監控，可以大幅降低實地操作時間和費用。 　　此項研究發表在2024年9月《Frontiers in Plant Science》期刊，此項研究貢獻在於成功建立了一個能夠在不同地理位置和時間段內進行更新的神經網路模型，不僅推進了農業科學領域對於AI應用的理解，也為未來農業生產提供了新的工具，此研究展示了AI在農業領域中的潛力，特別是在作物產量預測和表型分析方面的重要性。 【延伸閱讀】- 藉由光學感測器及AI模型，協助即時監測食品乾燥

AI建設無所不在，從醫療、教育甚至農業科技都已全方面導入。農業科技研究院組長洪郁婷開發「豬事問AI」系統，讓農民透過簡單文字或語音輸入，即可查詢豬隻健康資訊與環境數據，大幅提升查詢效率與實務操作便利性，展現智慧農牧的應用成果。 　　國科會國家實驗研究院國家高速網路與計算中心今日舉辦「TAIWAN AI RAP暨 TAIDE亮點成果發表會」，匯聚多項亮點應用，全面展現台灣AI技術與在地需求的深度結合，從醫療、教育、農牧到企業與日常生活場域。 　　國科會主委兼國研院董事長吳誠文致詞時表示，政府正積極推動「AI新十大建設」，以「數位基磐、關鍵技術、智慧應用」三大方向，全面加速台灣邁向智慧國家。國研院國網中心在這項國家級計畫中，正扮演算力核心、在地化AI研發平台與跨域應用推進者的關鍵角色，為台灣產業升級與社會創新提供堅實支撐。 　　AI可見於各個領域，醫療應用方面，高易資訊推出「診所通APP」智慧搜尋系統，能以自然語句精準匹配診所服務內容，提升個人就醫體驗；高雄榮總醫師林博翔運用RAP平台開發「ER-Pulse智慧交班平台」，實現急診交班流程自動化，將原需數分鐘的人工作業縮短至數秒，成為生成式AI導入臨床的成功典範。 　　教育領域方面，聆機科技建置教育AI助理平台，搭配TAIDE模型推動智慧教學安全落地，強調語境理解與在地價值觀的導入；農業科技研究院組長洪郁婷開發「豬事問AI」系統，讓農民透過簡單文字或語音輸入，即可查詢豬隻健康資訊與環境數據，大幅提升查詢效率與實務操作便利性，展現智慧農牧的應用成果。 　　在企業應用場域中，思銳智慧科技展示「ShareQA AI知管客服平台」，開發國產自主Agentic AI技術與整合TAIDE等SLM模型，協助中小企業以SLM低門檻方案導入AI，強化企業知識管理與服務效率，加速智慧轉型。陽明交通大學人工智慧中心以「myPDA全地端GenAI系統」打造具語境理解能力的AI分身，可精準辨識繁體中文慣用語與語意脈絡，優化回應內容，落實台灣語言主權。 　　此外，國研院國網中心也展示與國家災害防救科技中心合作升級「落雨小幫手APP」的AI火金姑天氣問答功能、國研院科政中心展示iVoice 個人化語音智能代理，能快速語音轉文字，並進行AI 智慧分析及對談互動。 【延伸閱讀】- 中興大學「神農TAIDE」 讓AI查找解決農業問題

全球正在面對資源有限與環境變遷的長期挑戰，因此除了AI科技之外，「2025台灣創新技術博覽會」另一大焦點就是永續議題。今年智慧永續館以「AI創新技術結合綠色設計」為策展主軸，攜手國內外企業展現循環創新亮點，無論是廢棄衣纖製成零廢水再生布纖板、鑄造業廢棄殼模產製低碳高值再生殼模砂，或是利用菌絲纖維成功研發的非動物性皮革技術，充分展現台灣廠商如何運用多元創新材料，打造具國際競爭力的循環商業模式。 不分材質皆可回收利用的「環保再生布纖板與纖維粒子」技術 　　專注於零售產業陳列與視覺展示逾40年的午洋集團，近年來積極投入環保議題，現已成功研發出「環保再生布纖板與纖維粒子」技術，提供廢棄衣物纖維全面回收再利用的解決方案。此項技術的獨特之處在於它不挑材質，所有衣物纖維皆可回收利用，且製成的產品在使用後還能被再次回收，重新投入生產，真正實現材料的全循環。 　　午洋表示，該技術製成的布纖板保留了衣纖的天然色澤，生產過程中不使用染劑、不產生廢水，符合友善環境的基本原則。同時，生產出的纖維粒子則具備多產品應用的潛力，為合作品牌提供了豐富的用途選擇，有效減少資源浪費。每片布纖板可減少約 15-20 公斤CO2e，相當於一棵成年樹一週的固碳量。 　　這項技術與產品推出後，已受到零售品牌的廣泛關注，成功將廢棄衣纖應用於店面佈置、纖維太陽眼鏡、衣架等相關產品，展現了企業界共同宣揚環保理念的決心。午洋企業致力於將消費後的紡織品、塑膠瓶等廢物，以及和咖啡渣、稻殼等農業廢棄物賦予新生命，積極履行降低地球廢棄物產生的社會責任。 解決廢塑膠回收難題：再生精準辨識分類技術 　　2018年10月睿成塑膠有限公司成立於花蓮，專營各類廢塑膠原料回收再利用處理服務，讓物質能不斷循環再利用，形成「資源再生、原料製造、辬織系統研發等」為發展方向，使整個系統產生極少廢棄物，最終達到零廢棄終極目標。 　　為了應對廢塑膠回收難題並提升再利用價值，睿成塑膠開發出「廢塑膠再生精準辨識分類技術」。這項創新技術的核心是結合AI人工智慧與光譜辨識，能夠即時分析廢塑膠的光譜特性，並根據其中的添加劑與種類進行精確分類，快速挑選出單一與複合材質。此舉顯著改善了如廢電器塑膠等複合材料再利用率低的問題，同時透過材料與能源化的再利用，實現源頭減量與再生能源的創造。 　　相較於傳統方法，睿成塑膠的技術具備即時、無輻射、精確辨識及高速分選的優勢，並能有效處理大尺寸廢塑膠，以及同時辨識深色塑膠材質及其添加劑，顯著提升了回收效率與材料利用價值。此項技術的創新性已獲得肯定，曾獲得2023年環境部資源循環署績優企業新創服務組銀質獎。該系統搭配自動化控制，可即時監測廢料特性並調整檢測模組，實現對大尺寸及深色複合塑膠的高效分選；而系統產生的數據也有助於回收業者制定優化策略，未來潛力可拓展至智慧回收站及大型廢棄物處理場域，睿成塑膠表示，希望能成為「花蓮循環經濟促動貢獻者」，透過資源回收再利用達成永續應用及發展。 綠色革命：菌絲纖維皮革培育技術 　　紡織產業綜合研究所（紡織所）近期成功開發出革命性的「菌絲纖維皮革技術」，為非動物性皮革市場提供了一項高強韌、可量產的創新材料。菌絲皮革是一種生物培養的新材料，與牛皮革相比，每平方米碳足跡僅約2.7公斤CO2e，不到傳统皮革的1/10。這項技術的核心在於採用獨特的營養纖維基布培育方式，促使菌絲緊密交織，有效提升了材料的強韌度與耐用性，直接解決了菌絲皮革在強度上的挑戰。 　　為了解決傳統培養方式的產量限制，紡織所導入了自動澆灌系統，成功將菌絲皮的培養模式從盤狀升級為捲繞式，大幅提升了生產的穩定性與效率。目前，此技術已能做到每批培養面積可達5平方公尺，比現有競爭產品大上十倍，並已協助國內業者進行商品試製，逐步邁向商業化量產。 　　此項「菌絲纖維皮革技術」不僅獲得業界高度關注，其創新成就更獲得國際肯定，包括2024年全球百大科技獎以及2025年德國iF設計大獎，目前該技術目前已申請國內外共4件發明專利，全面布局未來「純素皮革」市場。 牡蠣廢殼變身紡織創新材料 　　為貫徹循環經濟理念，誠佳科紡專注於材料研究發展，創建與國內牡蠣養殖戶合作，結合牡蠣殼和再生聚酯的多功能複合材料，賦予廢棄牡蠣殼全新的生活使命，開發具有吸濕和速乾特性的海毛紗線布料海毛紗（Seawool）織物與保暖棉（Smawarm），以創新、實用和減少廢物的概念設計和製造各種功能性紡織品，並在多個國家註冊專利和商標。 　　牡蠣廢殼堆積不僅汙染環境，還會產生巨大的惡臭，對海洋環境造成極大的影響。過去牡蠣殼再利用，主要應用於飼料、堆肥及育苗栽培介，單價及附加價值並不高。近年因牡蠣殼結構及成分，為98%以上為碳酸鈣（CaCO₃），其餘為蛋白質及醣類等特性，因此被廣泛應用於工業、食品、醫療及農業等各項產業。誠佳科紡透過高溫煅燒加工處理方式，將碳酸鈣轉變成氧化鈣（CaO），並產生二氧化碳，利用高溫高壓改質技術製備有機酸鈣粉，除了可作為營養膳食補充品外，也可結合各式各樣的加工方式，開發多元化的高鈣產品，不僅使牡蠣殼的利用更趨多元化，同時也可提昇牡蠣殼的附加價值。誠佳科紡發展牡蠣殼升值回收應用，利用所開發的牡蠣殼粉與回收寶特瓶抽紗技術結合生產海毛紗與保暖棉，具低導熱可讓禦寒效果加倍，具紫外線防護，遠紅外線可達深層皮膚，保暖效果佳，陸續獲得創新研究獎、國家發明獎、IF獎與紅點獎等多項國際大獎肯定，還推出量產塑料級「Hulk浩克生物陶瓷抗菌粉」，以加速海洋廢棄物回收，大大解決牡蠣殼棄置的問題。 鑄造業永續發展的解決方案：再生殼模砂技術與應用 　　致力於城市採礦與廢棄物轉化的李連資源科技，本次代表環境部於智慧永續館參與展出。李連資源研發出「以廢殼模產製低碳高值循環再生殼模砂技術」，為鑄造業的永續發展提供了解決方案。此技術核心在於首次整合了回收陶瓷殼模的脫黏熱處理與物理級篩模組，有效克服業界廢殼模難以重製為優質鑄砂的長期難題，顯著提升了材料的再利用價值。李連資源採用的模組化製程，使其再生砂能適應多種殼模材質與鑄件需求，產出的再生砂具有熱穩定性高、雜質低的特點，適用於要求精確的脫蠟精密鑄造，有助於維持鑄造的穩定性。李連資源指出，公司專注於將廢棄鑄砂等工業副產物轉化為再生材料，如再生鑄砂、再生耐火磚，再生殼模砂技術這項技術在環境永續方面效益顯著，生產每公斤再生砂的碳排放量僅為天然砂的10%，展現了高減碳效益，李連資源將透過此技術協助鑄造業具體實踐循環經濟和ESG發展的承諾。 　　台灣創新技術博覽會已成為跨國技術行銷的重要舞台，透過創博會與國際廠商交流並引進國外先進技術，將加速台灣循環永續產業的發展腳步。 【延伸閱讀】－　藉由光學感測器及AI模型，協助即時監測食品乾燥

隨著氣候變遷加劇，極端天氣事件頻繁發生，印度農業面臨嚴峻挑戰。為了解決這些問題，越來越多的印度農民開始採用AI技術，以期提高農業生產的效率和效益。印度新創企業如Fasal、Niqo Robotics和BeePrecise等許多公司相繼開發AI產品及其在農場的應用，展示了AI技術的實際效果。新創公司Fasal開發了一套AI系統，可以根據土壤濕度、養分含量和天氣預報，詳細指示農民何時以及如何施用適量的水、肥料和殺蟲劑，目前該系統已服務約12,000名農民。研究團隊利用AI技術包括感測器網路（用於監測土壤濕度、養分含量和天氣狀況）、AI影像辨識（應用於化學噴灑機，可以識別植物的狀況，精準控制化學品用量）、聲音監測（用於監測蜂巢內的蜜蜂活動，評估蜂群健康狀況），結合於作為農民獲取AI分析結果和建議的App應用程式。經統計發現該AI系統幫助農民降低了20%的成本，同時保持了產量。另外，Niqo Robotics公司的AI噴灑系統幫助用戶減少了高達90%的化學品用量；BeePrecise公司開發的AI監測系統則幫助養蜂人生產出更優質的蜂蜜。 　　這些案例提供了AI技術在印度農業應用中的實例，展示了AI如何解決印度農業面臨的實際問題，為其他發展中國家提供了重要的參考，然而，儘管人工智慧技術正在蓬勃發展，但由於許多農民無力承擔，因此其接受速度較慢。根據印度政府智庫 NITI Aayog 2023 年發布的報告，印度目前已擁有 450 多家農業科技新創企業，該產業的預計估值為 240 億美元，但該報告也同時說明，缺乏數位素養往往導致農業科技解決方案的採用率低下。在此環境之下，政府如何投入資源並提供協助來改善新興技術的推廣與採用將會是推動AI技術應用的重要課題之一。 【延伸閱讀】- 印度45%人從事農業！　AI技術幫忙分析最佳耕作方式

中國東華交通大學、江西電信公司以及紐西蘭惠靈頓維多利亞大學研究團隊共同研究5G通訊與元宇宙技術在農業的應用。團隊檢視5G在田間感測、無人機巡檢與遠程機械控制的實務效能，同時評估元宇宙的虛擬培訓平台與數位分身系統在資源優化決策中的潛力。透過成本效益分析與技術成熟度評估，提出階段性部署策略。面對勞動力短缺、極端氣候加劇與資源利用低效等問題，團隊試圖驗證高速通訊與虛擬交互技術能否突破傳統農業限制，尤其著重於降低發展中國家的產後損失，並建立可擴展的智慧農業框架。 　　研究發現5G技術大幅提升灌溉、施肥與用藥的精準度，使農藥與化肥使用量減少20%-35%，同時提升產量8%-15%，其遠程機械控制功能更在勞動力缺乏區域顯著降低作業風險。元宇宙的虛擬培訓使新技術普及速度加快40%，而數位孿生系統成功將決策失誤率降低30%。這些技術對小農經濟體的轉型尤其關鍵，例如非洲地區透過基礎型5G網路可將收穫後損失減少18%。 　　此項研究發表在2025年《International Journal of Agricultural Resources》期刊，研究貢獻在於首次系統性論證通訊與虛擬技術整合對農業永續發展的深遠影響，不僅帶來資源利用的革命，也推動農業知識平權與全球協作新範式。這些成果為未來全球糧食安全與農業轉型提供了強而有力的科技支撐。 【延伸閱讀】- 印度藉由5G技術協助農民發展智慧農業

水稻是非洲第三大主食作物，對區域糧食安全具有戰略意義。儘管非洲僅占全球水稻產量約4.7%，但該大陸對水稻的需求年增率超過6%，高於其他主食作物。為應對需求增長，過去三十年非洲國家平均每年新增約40萬公頃水稻耕地。然而，非洲水稻種植面臨氣候變遷、城市化與森林砍伐等多重挑戰，且非洲水稻種植季節多樣，雨養水稻普遍缺乏灌溉系統中常見的淹水信號，造成基於植株生長期的遙感監測困難。 　　研究團隊開發了一套創新方法，結合雙極化合成孔徑雷達（SAR）後向散射特徵與機器學習演算法，提出「基於後向散射的粗定位與多源時間序列精細分類」框架。此方法融合了多源遙測數據，包括SAR影像與光學時間序列，透過監督式機器學習對非洲不同區域的水稻種植地進行分類。該方法特別針對非洲多樣化氣候與水稻種植季節設計，能有效辨識雨養水稻，並克服傳統監測中因缺少淹水信號而導致的誤判。研究團隊利用大量地面調查數據進行模型訓練與驗證，確保結果的可靠性與實用性。 　　研究發現該高解析度水稻分布圖不僅準確反映了非洲各國水稻種植面積與空間分布，還能支持糧食安全政策制定、農業研究與永續發展目標的監測。此數據集的開放共享，有助於促進全球對非洲水稻生產現況的了解，並為應對氣候變遷帶來的農業挑戰提供科學依據。研究成果將推動非洲水稻產業的現代化管理，提升糧食生產效率與資源利用率。 　　此項研究發表在2025年《Earth System Science Data》期刊，研究貢獻在於首次提供了非洲範圍內高解析度、精確且及時更新的水稻分布資料，突破了過去資料粗糙、更新緩慢的限制。其創新方法結合了多源遙感技術與先進機器學習演算法，為多變氣候與複雜耕作環境下的農業監測提供了有效解決方案。此成果不僅強化了非洲糧食安全的數據支撐，也為全球永續農業發展與政策制定提供了重要參考，促進了遙測技術在農業領域的廣泛應用。 【延伸閱讀】- 開發水稻營養壓力的高光譜庫，以利分析水稻影像

農業部今天表示，苗栗區農業改良場新開發全台首套「蜂蜜採集沉浸式體驗數位教材」，不必走進養蜂場，也能輕鬆體驗開蜂箱、找蜂王、採集蜂蜜的樂趣。 　　農業部發布新聞稿表示，苗栗農改場新開發一套「蜂蜜採集沉浸式體驗數位教材」，不用實地走入養蜂場，也能透過混合實境（MR），輕鬆感受蜂群管理與採蜜樂趣，安全性與趣味性十足。 　　苗栗農改場說，傳統的養蜂教學需要走入蜂場，對於初學者或害怕蜜蜂的人而言，不僅心理負擔大，也存在被螫傷的潛在風險。 　　苗栗農改場指出，這套全台首度開發的沉浸式採蜜體驗教材，透過數位科技模擬蜂場管理及採蜜過程，體驗者只需伸出雙手，就能操作「擬真」的採蜜工具，學習如何打開蜂箱、取出巢脾、尋找蜂王、刮除蠟蓋、搖蜜及採蜜等，並可重複操作，不受天候、場地與蜂群狀態影響。 　　此外，苗栗農改場說，這套教材可作為養蜂課程、食農體驗及輔助教學的工具，幫助學員在無壓力環境中，掌握搖蜜基本操作，提升對養蜂及蜂蜜生產的理解及興趣；使用者可直接用雙手操作，透過頭戴式裝置，了解蜂蜜採收的操作流程，也有互動式指導及步驟提示，讓學習更有效率。 【延伸閱讀】- 全台之先 台中農改場混合實境教剪葡萄駕農機

隨著日本及國際勞動力成本持續上升，加上日本溫室園藝規模擴大以及番茄採收多靠人力為主，許多研究者針對工作績效以及農場工作效率開發許多應用軟體，希望能夠透過相關軟體來減少人力、提高工作效率並試圖記錄工人工作時數與提早規劃未來採收時間及人力配置。然而過去雖有相關應用軟體或者估算模型，但實際上過於複雜，具有一定的使用門檻。 　　日本東京大學及日本農業‧食品產業技術總合研究機構(NARO)研究團隊利用全景影像預測番茄收穫工作時間，並將番茄種植方法分為低層栽培(LS)與長期多階段栽培(LTMS)，使用果實定位監測系統，自動獲取番茄植株的全景影像，再使用深度學習模型（Mask R-CNN）將全景圖中番茄果實切割出來，並根據果實顏色及數量進行估計，每週也蒐集來自於三位不同收成經驗工人之收成數量進行紀錄，並以線性迴歸模型驗證模型準確度。 研究發現預測作業時間的誤差在採收日前三天為30.1%，採收日當天降至15.6%；產量部分則是因為長期多階段栽培會定期處理葉片，使得果實能見度增高，進而使之預測準確度更優於低階栽培；採收效率則為具有經驗者其效率優於經驗較少者，栽培方式也有所影響(LTMS效率較好)，透過實證證明，該模型可用於產量與果實重量預測，但工作時間則需要依照工作者經驗另外建構一套模型進行預測。 此項研究開發一套以深度學習模型結合全景影像所建構出之番茄採收預測系統，藉以提升商業溫室勞動效率、優化勞動力分配與工作計畫，降低勞動力成本。除了針對番茄採收有所貢獻外，該系統也提供其他以溫室所種植之作物提供管理參考方式，也針對國際勞動力成本上升提供解決方案。 【延伸閱讀】- 新輻射傳輸建模框架增強植物表型深度學習

美國德拉瓦大學(University of Delaware)地理與空間科學系研究團隊希望藉由結合高解析度無人機影像與大範圍衛星數據，建立自動化監測工具，為農業管理者和政策制定者提供即時、具體的鹽化風險資訊，進而制定有效的適應與緩解策略。 　　研究團隊於2022年實地走訪德爾馬瓦(Delmarva)地區農場，利用無人機拍攝高解析度鹽斑影像，並結合歷史與現有的Sentinel-2衛星資料，建立涵蓋多時期的土地覆蓋數據集。研究人員訓練機器學習演算法，讓模型能辨識每個10x10公尺衛星影像格內的多重土地覆蓋類型，並進行分數化分解，準確計算鹽斑、濕地等覆蓋比例。團隊同時開發專屬公式，提升模型對鹽斑與濕地的辨識能力，並將數據與程式碼公開，便於他人複製或擴展研究。 　　研究發現2011至2022年間，德爾馬瓦地區的鹽斑面積增加了三倍，大片農地已轉變為濕地或完全失去耕作能力。這種鹽化現象對糧食生產與農民生計構成嚴重威脅。新方法不僅能準確追蹤鹽斑與濕地的空間動態，還能為年度變化建立數據集，為未來土地利用規劃與氣候適應政策提供關鍵依據。團隊計劃將這些數據整合進新一代的鹽斑地圖應用程式，協助農民與管理者及時識別高風險區域。 　　此項研究發表在2025年《Remote Sensing of Environment》期刊，研究貢獻在於首創性地將無人機與衛星遙感資料結合機器學習，實現大範圍、細緻化的土地鹽化監測。成果不僅揭示沿海農田鹽化的快速惡化趨勢，更為農業的氣候變遷調適、土地規劃與生態保育提供了科學工具和數據基礎。研究團隊公開數據與程式碼，促進全球類似地區的經驗交流與技術傳播，推動土地資源管理的數位轉型。 【延伸閱讀】- 深度學習和無人機影像促進精準農業確保糧食安全

據統計，2025年時全球人口將成長至近100億人，人口增長使糧食需求大幅增加，然而過去數十年間已因城市化及土壤退化使全球失去三分之一的耕地，伴隨氣候變遷、水資源匱乏等問題，全球農業系統正面臨前所未有的壓力，也突顯了育種的重要性，藉由培育耐病及耐候品種有助於抵抗種種逆境、提升農業生產力並改善糧食安全。 　　傳統育種過程中，大多仰賴人力調查及傳統的統計方法進行分析，然而近年來基因體學、表型體學相關技術如全基因組關聯性分析(genome-wide association studies, GWAS)、次世代定序(next-generation sequencing, NGS)等快速發展，傳統統計方法難以應用於高通量數據分析，因此，育種人員逐步導入機器學習協助預測性狀以加速育種進程並達到精準育種。機器學習在植物育種中有許多應用，如遺傳多樣性分析，遺傳多樣性是植物適應環境變化的基礎，傳統的多變數分析方法繁瑣且耗時，透過深度學習技術如卷積神經網絡（CNN），可以自動化並加速分析過程。此外，機器學習還能有效整合基因體、表型體與環境數據，幫助育種者發現與性狀相關的基因，並了解不同環境對作物表現的影響；亦或結合表型、基因體和代謝體學數據，有助於預測植物對於不同逆境的反應並加速抗性品種開發。 　　利用機器學習，育種者能夠大量分析相關數據，加速培育環境適應力強、生產力佳、營養價值高等優良性狀的品種，同時開發育種決策模型，減少傳統育種試錯過程、節省時間及資源，使得育種更高效且精準。 【延伸閱讀】 - 解密關於草莓果實品質的基因

高雄區農業改良場今天在農業部舉行記者會，介紹新研發成功能自主巡場的智慧幫手，會拍照還能辨識作物病蟲害及自動精準噴藥，不但降低農民工時，也減少噴藥對人員造成傷害。 　　高雄農改場場長羅正宗說，高雄農改場為新研發成功的「自主移動智慧精準噴藥機」取名「小小兵」，其實就是一部機器人，經由事先路徑設定及規劃後，可連續自主作業7小時，且可無線充電，農民在田間工作時，只需在旁監看。 　　羅正宗說，近年來為因氣候變化及農產業的提升，溫網室栽培面積大幅增加，若在溫網室中噴藥時，傳統的引擎動力式作業機產生的廢氣、噪音及噴藥時藥劑瀰漫，常造成農業作業人員身體不適。 　　另外，作物病蟲害的監測及防治透過人力作業，常需耗費大量時間，難以即時處理。高雄農改場副研究員潘光月說，「自主移動智慧精準噴藥機」可望節省至少3名人力，並減少噴藥作業造成的傷害，提高工作效能。 　　潘光月說，高雄農改場研發「自主移動智慧精準噴藥機」時是以小胡瓜為對象，但這個機器人的功能可視需要進一步擴增，只要有完整的訓練，完成其他作物病蟲害AI辨識資料庫，皆可和噴藥機結合，運用到其他作物的病蟲害防治。 　　「自主移動智慧精準噴藥機」已取得專利證書，高雄農改場也公告技轉給民間廠商，估計一台機器費用約新台幣40萬元，而農民現在購買電動農機可享有一半的補助。【延伸閱讀】- 日本農業自動化機器人的未來與現況發展趨勢

栽種同一品種的馬鈴薯田中，儘管遺傳背景相同，但個體間生長狀況如大小、產量、環境耐受性等特性仍然差異很大，這個問題一直困擾著農民及種苗供應商，研究人員推測可能由種薯表面細菌及真菌造成馬鈴薯植株間的個體差異，為了解微生物對馬鈴薯的影響，由荷蘭烏特勒支大學(Utrecht University)及台夫特理工大學(Delft University of Technology)組成的研究團隊開發了一種人工智慧工具可用於預測種薯未來生長的健康程度。 　　研究人員使用6個品種、數千個種薯進行試驗，首先收集種薯上微生物群的遺傳資訊，隨後定植於240個試驗田區中並利用無人機追蹤馬鈴薯生長情況，結合兩群資料後藉由演算法開發AI預測模型，此模型有助於識別何種微生物相能使馬鈴薯生長最佳。結果顯示，模型可由種薯微生物相預測未來生長情況，品種間預測能力略有差異，生長最佳的品種模型之決定係數為0.69。此外，以鏈黴菌(Streptomyces)、不動桿菌(Acinetobacter)及纖維弧菌(Cellvibrio)對模型貢獻度最高，其中鏈黴菌可促進植株生長，相關文獻發表於Nature Microbiology。 　　此研究首次結合人工智慧與微生物學，為農業發展開啟了新篇章，藉由了解微生物組成與作物生長間的關係，期望未來能延伸應用將有益微生物包附於馬鈴薯種子、種薯上，甚至對作物進行基因改造，使其更吸引有益微生物以提高產量、提升作物韌性並減少化學農藥使用。【延伸閱讀】-開發更具韌性的馬鈴薯品種，強化糧食生產效率

光學與半導體微顯影整合廠晶瑞光（6787）宣布，攜手子公司晶芯光電與在地AI系統商，鎖定智慧農業、智慧養殖與實體超商智慧監控市場，同步推出兩大新應用：AI智慧熱成像監控系統與高光譜影像無人機方案，公司表示可望為今年下半年起的營運增添動能。 　　晶瑞光表示，高光譜無人機整合「彩色夜視感測器＋紅外熱像模組」，在低光環境下仍能呈現接近白天色彩，並以熱成像即時標記溫差異常；搭配AI分析，用於農作物監測、病蟲害預警、精準施肥，以及工地安防、邊境監測、救災與國防等24小時情境。在落地進度上，公司指出，AI智慧熱成像監控系統將率先導入桃園有機蛋畜牧場，自紅外感測到AI影像分析一條龍導入，可即時辨識家禽體溫與「熱緊迫」狀態，並結合精準飼養與智慧環控，提升養殖安全與效率；後續規畫擴展至豬、牛及水產養殖，並強化食品安全與溯源資料。 　　技術面，晶瑞光以半導體黃光製程結合光學鍍膜，發展多頻譜分光鍍膜技術，開發高光譜成像感光晶片，應用版圖涵蓋智慧物流、生醫與農業無人機。公司亦建置12吋濺鍍機、強化矽光子鍍膜能力，適用於高光譜成像晶片與高速資料傳輸晶圓載體，作為智慧農業與邊緣AI硬體基礎。 　　市場與政策面，根據國外研究報告Fortune Business Insights報告指出，全球農業無人機市場2023年規模約49.8億美元，2024年至2032年年複合成長率18.5%，2032年上看237.8億美元；多光譜/高光譜成像正成為無人機標配之一。公司並引述美台DSET研究指出，台灣無人機市場規模將由2024年的約新台幣50億元，至2028年擴大至約300億元；配合政府推動中部成為智慧技術與無人機核心製造基地，利於在地供應鏈擴張。 　　展望後市，晶瑞光將以「光學濾光片＋AI高光譜感測模組」雙軌策略深化Edge AI、AI智慧農業、AI智慧監視系統、矽光子與無人機布局，並計畫與農科業者打造以高光譜數據為核心的農業大數據平台，形成從感測、數據到決策的閉環。公司並看好「技術升級＋應用擴散＋政策加持」三重驅動，自2025年下半年起營運動能將明顯加速，目標成為亞洲智慧光學解決方案的關鍵供應商。 【延伸閱讀】－　智慧科技應用於作物栽培管理，妥善管理作物產量、品質及水資源

全球對於糧食安全議題的關注逐漸提升，而作物育種在其中扮演重要角色，以1970年諾貝爾和平獎得主諾曼·博洛格（Norman Borlaug）為例，透過20年的育種計畫提升小麥抗病力及產量，使得墨西哥小麥產量提升6倍並實現自給自足，隨後推廣至印度及巴基斯坦，糧食供應量大幅提升使得人口快速成長。然而，育種過程中，須擬定育種目標並將材料進行雜交，經過一系列的田間試驗以驗證是否符合育種目標，且作物基因體與天氣、土壤條件等環境因素間交感效應複雜，導致工作繁瑣且耗時，因此2024年12月，由Alphabet旗下X實驗室衍生建立的新創公司Heritable Agriculture，藉由人工智慧建立育種數位模型，加速育種效率，並提升作物產量、風味、營養價值、光合作用能力等優良性狀。 　　過去6年間，研究團隊採集了7種作物約14,000個樣本進行分析，探討不同環境下基因的表達及相關代謝物含量並建立預測模型，當輸入環境及目標性狀後，不同的模型能夠根據可用的種原推薦最快的育種策略。Heritable公司利用模型大幅縮短育種年限至1年，如精準預測玉米花期，並協助客戶培育目標性狀的作物，相較於其他生技公司專注於基因編輯、改善微生物相等方法，此技術能夠更宏觀的探討遺傳學與環境間的複雜關係，使育種者探索大量的遺傳組合。此外，該公司專注於莓果類、酪梨等工業化程度較低的作物，而非玉米、大豆等大規模糧食作物，期望開發此類作物最大的潛能。 　　透過此技術能降低育種成本，可促進開發中國家培育適合當地的品種，並加速選育效率以因應快速的氣候變遷。此外，Heritable希望能進一步應用於樹木的培育，旨在增加原生樹種的應用性，以減少林業對於森林多樣性的破壞。 【延伸閱讀】- 全球糧食供應現狀及臺灣的糧食安全政策

溫室內環控系統結合無土栽培常用於週年生產高品質的特色作物，為了提高產能，需要監測系統頻繁觀測植物生長狀態，以利適時調整環境與養分參數，然而傳統監測系統較為耗時且需要培養專業人員。美國賓夕法尼亞州立大學(Pennsylvania State University)研究團隊針對此問題，開發了一個自動化作物監測系統，整合電腦視覺系統、人工智慧、物聯網(IoT)以協助持續監測及分析植物生長狀態，有望實現精準農業。 　　此系統利用遞迴影像分割模型處理連續影像，使系統得以在固定時間間隔擷取高解析度影像並準確追蹤植物生長變化。試驗在環控溫室中進行測試，以無土栽培小白菜作為材料，機器視覺系統成功辨識單株小白菜植株，並頻繁擷取植株生長影像、追蹤整個生長週期中增加的葉面積，其遞迴模型性能穩定，能夠準確提供整個作物生長過程中的資訊，以IoU (intersection over union)評估其正確性達0.9以上，相關文獻發表於Computers and Electronics in Agriculture期刊。 　　研究團隊表示，利用自動監測系統等物聯網技術監測養液及環境參數、收集作物生長數據，並結合人工智慧預測作物需求，將徹底改變作物管理的方式，最大程度提升效率及環控農業系統的競爭力，將有助於促進食品和營養安全。 【延伸閱讀】- 開發AI人工智慧輔助番茄之監測系統