傳統的水果偵測模型仰賴大量的人工進行標記，過程既耗時又耗力，且難以辨別外觀差異大的水果，當實際進入果園時，水果排列密集、樹葉遮擋等因素皆使得傳統偵測系統難以應用，突顯自動化、智慧標記系統的重要性。為解決此問題，日本東京大學及中國北京工業大學研究團隊，利用生成對抗網路模型(GAN model)開發一種新的自動化標記方法EasyDAM_V4。 　　EasyDAM_V4的核心是多維表型特徵提取技術，利用VGG16架構擷取果實形狀及質地特徵，再結合原有的可見光影像以增強GAN模型的輸入。此外，該方法導入新的多維度損失函數(multi-dimensional loss function)，對形狀、紋理和顏色特徵的單獨損失分量進行調整和加權，強化果實圖像的轉譯使模型更能夠解讀及辨識。研究人員利用梨圖像作為源域，將該模型應用於火龍果、茄子和黃瓜影像標記，三者標記準確率分別為87.8%、87.0%和80.7%，顯著優於傳統的偵測方法，相關文獻發表於Horticulture Research期刊。 　　透過這項複雜的模型，能夠更精確擷取水果特徵並生成圖像，克服了以往無法辨別外觀差異較大的果實及多種果實的限制，為農業影像處理提供了強大的新工具，有望加速智慧農業的發展，實現更精準的產量預測及更高效的採收機器人，同時利用收集的高品質標記數據支援表型體學研究及育種決策。 【延伸閱讀】- 透過自動化影像分析節省農業勞動力

屏東科技大學先進表型農業實驗室昨揭牌，整合高光譜影像、3D重建、人工智慧分析與模擬環控系統，打造智慧農業研究平台，期建立大數據資料庫，助力業者快速找到適合育種的品種導入產業，成為台灣AI農業發展重要推手。屏科大農學院獲台灣海博特公司捐贈表型感測儀器與智慧農業設備，能建立大數據收集資料，強化智慧農業研究量能，讓業者從中分析，增加產品的競爭力。 　　屏科大農園生產系助理教授鍾興穎說，先進表型農業實驗室可達到多氣候模擬狀態，在不同的氣候條件下觀察植物，之後透過高光譜影像了解植物生理；未來可以鏈結AI人工智慧或大數據，達到數位雙生、數位模型或是自主溫室、精準育種等目標。 　　「捐贈設備盼能回饋學校、培養人才」，海博特董事長張簡慶賓以蘭花為例，指蘭花業者希望種出雙梗，可透過相關儀器設備的技術調控分析，建立大數據資料庫，抓出最佳條件應用，以提高競爭力。 　　屏科大校長張金龍說，智慧農業的發展，需要跳脫傳統思維，這套先進的表型感測儀器與智慧農業設施，能透過高階設備精準掌握作物生理與環境條件，推動農業數據化與自動化，對屏科大農學院來說是重大助力，期許這間實驗室成為智慧農業的核心基地。 【延伸閱讀】- 藉由機器學習模型改善雞胸肉質檢測

氣候變遷導致農業生產過程中的病蟲害、土壤退化，或因藥肥造成的拮抗作用，正悄悄撼動著攸關糧食的議題。過去農民「看天吃飯」的無力感，已逐步成為全民需共同面對的韌性生產議題。同時也影響了跨農食產業鏈的永續發展。 　　在「數位孿生」結合「AI人工智慧」，搭配優質平價「AIoT」的軟硬整合思維下，經濟部產業技術司支持工研院發展了「智慧型ICM作物整合管理系統」提供含括病蟲害預警、生態防治資材、生產環境管理等多元服務解方，以具人工智慧的現代農務顧問來提供科技協作服務，強化糧食生產鏈的韌性。 　　智慧型ICM作物整合管理系統（Integrated Crop Management，ICM）的創新，在於AI發展過程的落地機制設定。應用病蟲害周期、習性與生理特徵等資訊建立風險預測功能後，再納入至少三年的田間驗證（如土肥或微環境下的病蟲害調研資訊），來修正精準預警的學習。 　　目前依據微環境特徵判別作物病蟲害的預測準確率已超過八成，能幫助農民做出準確預警，提供「預防勝於治療」的風險管理來減少損失。 　　工研院中分院副執行長李士畦指出，傳統農業生產多仰賴世代傳承與專家經驗，在面對環境變異挑戰下，經驗法則常面臨著被挑戰的風險。結合農工跨領域專家發展的人工智慧科技，有機會在協助農民「早知道」這件事情上，提供即時風險掌握與應對建議，化被動為主動。 　　ICM系統還提供透過專利技術生產如幾丁質、芽孢桿菌與小分子葉面肥等綠色資材資訊，再結合Line聊天機器人來提供農民資材選用建議。換言之，就像擁有人工智慧的顧問，從診斷、預警到防治，隨時提供具體、簡捷與有效的建議行動方案。 　　李士畦強調，「將傳統農業累積的大智慧灌輸給具有思考能力的農務協作系統，搭配生態資材可被精準使用的一站式服務，是我們的重要目標。」讓土壤維持健康，植物自然能更有韌性的抵抗環境變遷所造成的生存挑戰。 　　以埔里的百香果農為例，長期受到炭疽病或薊馬、斜紋夜蛾等威脅。導入智慧型ICM系統後，讓品質與獲利成長明顯，農民接受「科技協作服務」的信心也大增。「整合型科技農務服務」是未來農業生產的重要協作模式。而一站式解方服務也將成為智慧工具普及、提供農業生產協作的重要推手。 【延伸閱讀】- 卷積神經網路檢測農作物病蟲害

隨著家禽育種往高成長、高換肉率的肉雞進行選育，相關業者開始面臨木質化胸肉(woody breast)的問題，以重量約8-9磅的家禽中較容易出現此問題，其發生率高達20%，更硬且韌的雞胸肉造成每年高達2億美元的損失，而背後成因尚不明確。目前業者大多以人工篩選木質化胸肉，然而過程耗時且不夠客觀，因此美國阿肯色州農業研究站(Arkansas Agricultural Experiment Station)研究人員利用高光譜影像結合機器學習演算法，建立非侵入性、客觀且高通量的方法辨識木質化胸肉。 高光譜影像結合機器學習演算法 　　研究人員採樣了250個生雞胸肉片，針對肉片不同位置測量硬度並擷取其高光譜影像，有別於傳統每30毫秒針對單一物體照一張影像的快照式(snapshot)方法，試驗中利用每40秒一次擷取多個物體影像的掃描式方法，有效提升影像的解析度，隨後結合硬度及高光譜資訊進行關聯性分析並建立回歸模型，期望能利用光譜影像辨別肉質硬度。為了優化模型分類的精準度，研究團隊開發一個神經網路架構搜尋(neural network architecture search)模型名為NAS-WD，能夠自動優化網路架構，結果顯示此模型對於三種硬度雞胸肉的辨識及分類準確率達95%，優於支援向量機(support vector machine)及多層感知器(Multilayer Perceptron)兩種傳統模型，兩者準確率分別為80%及73%。 　　藉由分析複雜的高光譜影像數據並結合機器學習協助辨識木質化胸肉，研究團隊正積極將技術實際應用於檢測系統中，有望加速且精準的檢測劣質品以減少經濟損失並提升消費者信心。 【延伸閱讀】- 運用機器學習演算法於魚類疾病預測

無人機用於農噴目前主要在稻田，其他農作仍待推廣。農業部農業藥物試驗所去年起在屏東縣南州鄉實施無人機施藥田間試驗，效果不但不打折，還節省至少一半以上人力。 　　農藥所今天發布新聞稿表示，為強化鳳梨產業害蟲防治效能，推動智慧農業應用，在高雄區農業改良場及農業藥物試驗所合作下，2024年起在屏東縣南州鄉，實施無人機施藥田間試驗，以核准藥劑及精準相關飛行操作參數防治鳳梨粉介殼蟲。 　　農藥所資材研發組組長謝奉家告訴媒體，結果證明，無人在鳳梨田噴藥，不但效果不輸傳統人力噴藥成效，還節省至少一半以上人力，將透過教育訓練與講習向農民推廣，除鳳梨外，未來也希望再推廣到香蕉等其他的農作物。 　　根據農藥所提供的資料，鳳梨田無人機於空中施藥試驗，採用已登記於鳳梨粉介殼蟲防治的大利松56%水基乳劑（EW）及馬拉松50%水基乳劑（EW），並搭配展著劑，透過無人機進行空中作業。 　　農藥所說，無人機飛行操作由農藥所專業團隊執行，飛行高度離植冠1.5公尺、飛行速度每秒3公尺，用水量每公頃80公升，採用Teejet XR110015-VS噴頭、壓力平方公分3公斤，確保藥劑均勻覆蓋鳳梨植株上、中、下層。 　　農藥所說，根據田間調查結果，使用大利松施藥21天，不論是否添加展著劑，平均果目與果實底部蟲口數皆低於1隻以下；馬拉松則於施藥兩次後14天，果目蟲口數低於1隻以下，果實底部蟲口數低於10隻，皆顯著優於對照組，且採收前1週調查顯示，單獨使用大利松及馬拉松加展著劑者，蟲口數並沒有上升，顯示效果良好。 　　另外，相較於傳統人工施藥需耗時費力，無人機每公頃施藥僅需0.5至1小時，節省至少一半以上人力，更減少農民長時間暴露於農藥環境下的風險。農民普遍反映作業效率明顯提升，且藥效均勻，有助於提升果品品質與產量。 【延伸閱讀】- 農業與灌溉領域的數位化與無人機應用

沙漠蝗蟲平時大多過著獨居生活，然而強降雨等因素會使他們變為群居且有遷徙的習性，其帶來的危害趨近於瘟疫的程度，覆蓋一平方公里的蝗蟲可在一天內消滅35,000人的糧食，導致大規模的饑荒甚至騷亂，且能夠跨越國界進行長途遷徙，是造成非洲和亞洲許多地區小農戶最大損失的遷徙害蟲，因此沙漠蝗蟲防治是糧食安全的重中之重。此外，隨著氣候變遷加劇，強降雨等處發事件頻率增加，未來蝗害發生將越來越頻繁。 蝗災預測模型 　　2019-2021年從肯亞蔓延到印度的大規模蝗害爆發期間，摧毀了甘蔗、高粱、玉米及塊根作物，由於需要大量收集資訊並整合，使得應對緩慢，為解決此問題，英國劍橋大學(University of Cambridge)研究團隊開發預測模型，此模型結合蝗蟲成長周期、族群行為學、地表植被的遙測數據、土壤結構以及英國氣象局提供的氣象資料，預測害蟲族群覓食及繁殖會往何處去，協助提前警示該地區噴施殺蟲劑，期望能將傷害降到最低，相關文獻發表於PLOS Computational Biology期刊中。 　　此模型是首次能夠快速並準確的預測蝗蟲行為，且兼顧長距離及短距離的移動，經上一次大規模蝗災的測試已驗證其應用性，未來，將為各國政府及聯合國糧食及農業組織(FAO)等國際組織提供沙漠蝗蟲監測、早期預警及管理等資訊，以確保糧食安全。【延伸閱讀】- 科學家借助科學技術來預防第二批沙漠蝗蟲過境

農作物地圖對於農業及土地利用之規劃與管理扮演重要的角色，可用於預估產量、統計作物栽培面積、預測農作物價格、評估農損以及生態系檢康狀況等。在CGIAR低排放食品系統研究倡議(CGIAR Research Initiative on Low-Emission Food Systems)下，研究團隊藉由時序性的衛星影像及機器學習技術繪製肯亞西部南迪縣(Nandi County)主要作物類型及生態系統地圖，以增進農業永續操作及更具氣候韌性的土地管理方式。 　　研究收集了地面實際狀況數據涵蓋910片農地、9種作物，如玉米、咖啡、茶葉、甘蔗等，並收集2022年9月至2023年9月間Sentinel-2衛星影像，結合常態化差異植生指數(NDVI)、常態化差異水分指標(NDMI)等指數，藉由隨機森林演算法進行分類，結果顯示可成功分類茶、甘蔗、牧草及森林地區，準確率達0.8-0.91，而玉米及咖啡則因為土地較破碎準確度較低約0.7，此模型已成功應用於臨縣如Vihiga及Kisumu，且以視覺化方式呈現，期望能提供決策支援。 　　此模型具有多種潛在的應用性，包括土地利用變化分析、碳匯分析及情景分析。研究團隊將新的土地利用地圖與舊版進行比對，發現2000至2020年間，樹木覆蓋率減少20%、Kisumu地區城市擴張最快速、Nandi地區農業用地逐漸減少。此外，研究發現相較於一年生作物如玉米，茶園的碳匯較高，若茶園面積擴張20%，可有效增加碳封存能力。 　　本技術結合了衛星影像及機器學習繪製土地利用地圖，提供土地利用及管理的工具，未來將改善模型對於零碎地區的準確性並將模型擴散應用至其他地區，以支援永續農業及低碳排系統相關決策。【延伸閱讀】-氣候智慧型農業：衛星技術如何在農業上運作

國際水資源管理研究所(International Water Management Institute, IWMI）和林波波河道委員會（Limpopo Watercourse Commission, LIMCOM）近期透過林波波河流域數位分身平台(Limpopo River Basin Digital Twin)的展示，為加南非強林波波河流域的水資源安全邁出了重要一步。該工具是在CGIAR數位創新倡議下開發的，在簽署合作備忘錄（MoU）後正式移交給 LIMCOM，鞏固雙方在永續水資源管理的合作夥伴關係。 　　該平台基礎為SWAT模型(Soil and Water Assessment Tool)，結合1408個測站即時資訊，其中包含305流量站、303個降雨觀測站以及歐洲天氣預報中心(ECMWF)提供的3種預測模型，涵蓋面積達400,000 平方公里，提供科學家即時的水文資訊及3個月的季節預測，並以視覺化方式提供時間及空間上水文變化的趨勢，此外，提供水庫含1424個水域及96個水壩的蓄水量即時監測及預測資訊，有助於管理者預測未來的水文情況並做出應對措施，支援積極的水資源管理策略。 　　此平台多項新的創新，包括建立使用者友善的環境框架評估工具，讓沒有廣泛專業知識背景的使用者依然能測試河流管理場景並評估社會及環境風險；開發即時魚類追蹤器FISHTRAC，將感測器連接在魚身上，收集河流健康及水質的即時數據，若有水汙染問題會觸發平台警報並提醒管理人員；以及利用無人機繪製河流表面及河底地圖，進行河川生態水文評估。同時利用Open Data Cube套件，開發乾旱監測工具以及灌溉區域地圖，協助決策者判斷乾旱程度並規劃應對措施、觀測土地利用分類以監控灌溉模式及優化水資源分配。 　　此平台及相關技術打破了複雜數據模型與實際水資源管理之間的鴻溝，使水資源管理能更即時與兼容。【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

乾燥是常見的食物保存方式，常用於蔬菜、肉品等長期保存，乾燥過程中食物的品質及營養成分會隨之改變，若以傳統系統進行乾燥，需每隔一段時間取樣以了解情況，近年來，研究人員相繼開發光學感測器結合AI等設備，可精準且持續監控乾燥過程，提高準確性及效率。美國伊利諾大學(University of Illinois Urbana-Champaign)的研究人員，探討了三種新興的智慧乾燥技術，提供食品產業重要且實用的資訊，相關文獻發表於Food Engineering Reviews期刊中。 　　文獻重點探討3種光學感測系統之機制、應用、優點及侷限性，包含可見光(RGB)影像結合電腦視覺成像、近紅外光(NIR)及近紅外光-高光譜影像(NIR-HSI)，同時概述標準的乾燥加工方式如冷凍乾燥、熱風乾燥等，與新興精密監測技術的結合。可見光相機可擷取表面特徵資訊如大小、形狀、顏色、缺陷等，然而無法測量含水率；近紅外光譜則藉由測量不同波長的吸光度與化學及物理特性進行相關性分析，可測量食物內部品質如含水量等，然而缺點為一次僅能掃描一個點；NIR-HIS為最全面的技術，能夠提供乾燥速率及各項特徵精確的資訊，然而其成本較高，三者皆需要結合AI及機器學習處理影像資訊並訓練模型，使用者可自行評估用途及成本，選擇工具或結合應用。 　　此外，研究人員自行開發乾燥系統，藉由對流加熱方式乾燥切片蘋果，測試結合RGB、NIR相機與NIR-HIS系統。這些技術克服了傳統乾燥系統中的監測限制，帶來突破性的變革，未來將研發手持式NIR-HIS設備，期望能應用在各種操作環境、提供即時的品質監測。【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

為促進畜產業的永續發展，兼顧環境保護，所有畜牧業者都要依循糞尿資源化處理。目前，根據法規規定，畜產業者廢水不可亂排放，必須對畜舍排水進行適當的處理，以達規定水質標準。其中的固液分離措施處理，對於淨化水質成效有很大的影響，是非常廢水處理中重要的過程。 　　為了充分達到固液體分離效果，過程中，畜牧業者必須每天派人目視確認凝集狀態（凝集度），適當調節添加凝集劑量。由於，目前並沒有測量凝集度的感測器，難以掌握排水濃度變化，導致固液分離過程難以自動化，相當仰賴人工作業，造成人力負擔。為此，日本農研機構利用AI影像辨別技術，研發一套新型的AI凝集感測器，成為全球首創可測定出凝集程度的感測器。藉由自動分離固液體的過程，有助於減少排水處理所需的維護管理人力，同時提高水質淨化效果，降低排水過程所需成本。【延伸閱讀】-點廢成金！畜試所把雞糞變3億產值 尿液「黃金變綠金」

中國科學院合肥物質科學研究院(CASHIPS)的研究團隊最近針對南瓜品質檢測領域上，開發出一套結合近紅外光譜技術(NIRS)和高光譜成像技術(HIS)的檢測方法。傳統的南瓜品質評估上往往需要藉由烹飪和品嘗等主觀方法，不僅耗時且缺乏客觀標準。然而，研究團隊透過對34個南瓜、97個切片樣本進行深入研究後，建立了一套能夠準確預測南瓜品質的分析模型。該模型主要藉由檢測南瓜中的澱粉含量和水分等關鍵指標，評估整個南瓜品質。 　　研究結果顯示，近紅外光譜技術有0.788的相關性，高光譜成像技術則有0.934的高相關性，表示這套方法具有極高的準確性，此外，這項技術不僅能夠快速評估南瓜的品質，還能產生直觀視覺化的「品質分布圖」，清楚展示南瓜內部澱粉和水分的分布情形。這項技術為南瓜品質檢測帶來革命性的改變，不僅省下傳統檢測方法中的主觀成分猜測，更為農民提供了快速且準確的品質評估工具，對於南瓜種植效率和即時改善產品品質具有重要意義。不但可協助農民挑選優質品種，改良種植流程，還能為食品加工業提供更可靠的原料品質保證，展現了現代科技在農業領域的多元創新應用，為傳統農業邁向精準農業提供新的技術典範。 　　隨著日後技術進一步的完善和推廣，未來可以此為其它農產品的品質檢測提供公正的參考價值，為南瓜產業發展帶來新契機，並讓消費者享受到優質的農產品。【延伸閱讀】-使用機器學習和Haar級紅外光分類器改善魚類養殖

近期隨著氣候變遷與人口過剩的多重挑戰，農業上迫切需要提高生產力，極端天氣如熱浪、暴雨與乾旱等自然災害會對植物造成環境緊迫壓力，造成作物產量降低，威脅農田、森林等生物多樣性的安定。為了輕鬆監測植物狀況，日本東北大學近期開發一種可安裝在葉子上的感測器，該技術可幫助農民提高作物產量與進行作物栽培管理，滿足民眾的糧食需求。 目前精確監測植物科技，雖然可利用無人機等設備從工廠上方進行監測，但只能較大方向的表面資料，而其他小型感測器也需要現場人員手動安裝並檢查每個感測器。為了持續監控作物細小變化，研究人員開發一種可直接附著在葉子底部的新型感測器，不干擾植物陽光吸收。這種設備藉由光譜感測器和光源來測量葉子顏色，且可追蹤作物在同一地點隨時間的變化。感測器具有Wi-Fi數據傳輸與防水功能，可在戶外一個多月持續工作，有效延長數據收集時間，並即時提供植物細小變化數據，替沒有時間手動檢查每棵植物的農民節省大量時間。 　　 　　在利用30種不同植物、約90片葉子測試下，與商業用光譜儀相比，感測器在8個波長中的其中7個都達到高精準度，特別是在620nm波長下的測量結果與專業葉綠素計相似，且在550nm波長下感測器讀數變化與植物所承受的壓力反應相符，可與常用的光化學反射指數(Photochemical Reflectance Index, PRI)表現相互對照。另外在現實戶外試驗測試下，將感測器裝在樺樹葉上，追蹤在秋季、落葉季與兩週內的樹葉顏色變化，並可藉由設備觀察到植物反應隨陽光強度的波動變化以及葉綠素減少。透過這種高效能的感測技術，可為大規模植物健康網路健康的建置提供更多的可能性，該項技術不僅可適用於智慧農業生產，也可應用於森林植被健康研究等多項領域，代表農業生產管理朝更精準及有效率的方向持續邁進，為農業科技發展注入更多活力，並為解決全球糧食安全問題提供有力支撐。【延伸閱讀】-讓植物說話-科學家發明感測器即時監測植物體內變化

美國阿肯色大學(University of Arkansas)近期發布一項有關減少除草劑使用的相關研究-利用機器視覺技術進行精準除草，藉由這項發明可顯著減少除草劑的使用量，最高可超過六成。 為了驗證這項實驗研究結果，研究團隊在阿肯色州和密西西比州進行兩年的田間實驗，比較定向噴霧和傳統施藥方式在大豆田間的應用效果。根據研究顯示，採用定向噴霧技術後，約可減少28.4%至62.4%的除草劑使用量。這項技術優勢不僅可減少除草劑使用量，更為農民在降低農業生產成本、提高利潤、提升大豆健康及維持農田生態系統平衡上帶來龐大的效益，有助於農業種植的永續發展。 在全球迫切重視永續發展的時代，這項研究成果為農業生產提供一個更精準與環保的選擇，有利於當前的農業生產管理，且在該技術進一步推廣和應用後，農民可採用更智慧化的除草方式，推動農業生產朝向更環保、更具經濟效益的方向邁進，為農業生產與環境保護創造雙贏局面。 【延伸閱讀】-使用除草劑嘉磷塞會降低土壤中的生物多樣性

隨著氣候變遷、成本上升和土地空間不足等農業挑戰不斷產生，對作物生產和產量造成了不良影響，其中乾旱或缺水是一種壓力源，會影響植物的關鍵代謝路徑，並減少葉子、莖及根系生長情形，導致產量降低，隨時間不斷延長，最終使植物變色、枯萎甚至死亡。農民往往無法於早期即時診斷症狀，採取主動措施因應，造成巨大的經濟損失。新加坡-麻省理工學院科研中心(Singapore-MIT Alliance for Research and Technology，SMART)為此於近期發布一項創新發現-可即時檢測植物乾旱壓力的一體化感測器，該設備本身透過將共價有機架構(COF)感測器整合在絲素蛋白(Silk fibroin, SF)微針內，可在植物體內進行pH值的即時監測。其優點為可提前48小時發現植物的乾旱壓力，遠早於傳統檢測方法發現明顯症狀的時間，為農民提供了寶貴的預警時間，提早做出因應措施。 　　這項突破性技術的核心在於COF感測器的特殊設計，以往感測器無法與生物組織相互作用，而COF是有機分子或聚合物組成的網路，其中碳原子與氫、氧或氮等元素結合，排列成規則的晶體狀結構，且會根據不同的pH值改變顏色。由此便可透過植物木質部組織中pH值變化檢測早期乾旱脅迫壓力。此外，這項技術可僅使用智慧型手機的相機，就可對植物組織中的pH值進行3D繪圖，相較於速度較慢且具破壞性的傳統方法而言，該技術有效幫助農民在不斷變化的環境與氣候條件下改良作物生產模式，並提升產量。 這項技術對未來將COF感測器應用於植物中進行COF-SF 微針斷層化學成像等奠定了基礎，相關技術未來可應用於檢測更廣泛的生物物質，如：植物激素與其他代謝物質，為農業智慧科技檢測應用提供更多可能性，提高農業產能，為農業科技研究帶來革命性的進展。【延伸閱讀】-新型感測器可改善昆蟲監測和作物管理

台中區農改場今天表示，有農民花新台幣200多萬元買曳引機，助理工開第1天就壞掉，因此率全台之先推出3套混合實境MR教材，可精準學好修剪葡萄、維修中耕機與駕駛曳引機。 農業部台中區農改場召開「數位業師勁厲害-農業機械操作、保養及農務數位學習」記者會。 台中區農改場長楊宏瑛說，農村人口老化，不論需要增加人工或機械化，都需要進行人力培訓；有農民告知，花了200多萬元買了曳引機，助理工開1天就壞掉，所以台中區農改場與產學合作，運用混合實境的MR技術，開發出3套培訓教材。 楊宏瑛告訴中央社記者，不僅費時2年，且共約花費300萬元。 幕僚補充，因為其中仿照考駕照實境研發的農用曳引機駕駛教材，光是農機本身就要200多萬元，第2代農機降低成本也要170萬、180萬元，還有螢幕也要投資成本，另2套教材則各約30萬、40萬元，3套都是國內首創的農業MR教材。 楊宏瑛說，這3套教材對外開放業者技轉生產上市，可提供學校等機關、單位教學使用；計有3大優點，包含訓練環境安全，錯誤可重來；教學使用場域靈活有彈性，互動式學習可加深印象；重複演練也低耗油、不損傷作物。 農業部科技司副司長陳瑞榮表示，未來可結合農業部各區農改場共同研發，將程式模組化，配合產業需求更換程式，推出更多混合實境的教材。 楊宏瑛說，參與開發曳引機駕駛教材的業者，看好商機，自己申請技轉，可望量產上市。【延伸閱讀】-打造智慧新農業 花蓮培訓百人加速無人機應用

南投草屯稻作面積全縣最大，有「南投米倉」之稱，今年更在縣府協助下，導入微型氣象站、田間監測器等智慧農業基礎建設，並透過大數據及雲端等幫助農業升級，將加強推廣導入田間，讓水稻農業升級智能化，友善環境也提高農民收益。草屯鎮農會指出，草屯全鎮稻作面積全縣最大，是南投縣米倉，也是最早導入農民契作栽培管理，更配合農糧署成立稻米產銷契作集團產區，種植台粳9號、台農77號等我國特色米，今年更透過縣府發展智慧農業計畫，引進智能基礎建設。       該農會理事長林昆熠說，鎮內集團產區每期契作面積約165公頃，契作農戶逾54戶，目前已設置田間感測器及微型氣象站34處，收集環境氣溫及田間水位、土壤溫度等數據，傳輸進入資料雲，透過管理系統，提供契作農民精準作業指導。冠軍米農李啟元說，比起大範圍的氣象預報，微型氣象站更能精準預測田間氣候，用藥施肥不做白工；還有無人機能預警及早防治稻葉熱、褐飛蝨等病蟲害，還能幫忙噴灑農藥，3小時能噴5、6甲地，精準用藥降低農藥量，省錢更省工。       草屯鎮農會今也在其超市大埕舉辦「南投農業稻升級、草屯領航創新局」啟動者會及台灣稻米達人冠軍賽頒獎活動，林昆熠表示，隨智慧農業科技導入，水稻種植邁入智能化，能鏈結產銷履歷系統，友善田間環境，也節省人力，將加強推廣。縣府農業處長蘇瑞祥則說，今年協助草屯農會在契作區導入運用智慧農業基礎建設，同時透過大數據及雲端等來幫助農產業升級，實現智慧農業4.0時代，進入科技農業、稻升級的創新營運模式，盼提高農民收益及對外行銷草屯優質稻米。【延伸閱讀】-大數據農業科技的綜合分析應用-以大豆栽培為例

面對不斷升級的氣候變遷和環境污染，農業部門面臨越來越大的壓力，需要尋找永續的解決方案。智慧農業將資訊和通訊技術（ICT）融入農業，超越了時間和空間的限制已成為遠端或自動改善作物生長環境有效方法，特別是室內水耕系統的發展受到挑戰，由於成本高昂且無法與傳統種植作物的定價競爭。       研究團隊設計了一個包含空氣結構、營養混合器、水循環系統和排水管理器的整體系統，用於準確調配營養液，以滿足植物生長需求，採用雙流噴嘴和超聲波噴霧技術，以最小化水分損失，確保多餘水分能有效排出，防止根部積水。 研究發現新型營養混合器能夠提高營養液的利用率，噴霧系統在節水方面表現優異，與傳統土壤栽培相比，所需水量顯著降低，該系統能夠有效支持高價值作物（如生菜）的生長，並提高其產量和品質。       此項研究發表在2024年6月《MDPI》期刊，此項研究貢獻在於為智慧農業領域提供了新的解決方案，特別是在水資源管理和高效作物生產方面，提供了一種創新的農業系統設計，適用於多種環境條件，為未來永續農業技術的發展奠定了基礎，特別是在城市農業和室內栽培領域。【延伸閱讀】-利用物聯網技術開發智慧室內水耕和氣耕溫室系統

近年來，良好農業規範(Good Agricultural Practices, GAP)高度備受矚目。日本農林水產省為確保食品安全、環境保護、勞動安全之永續發展，強化農業生產經營管理、效率以及農業從業人員經營意識的提升，加強第三方機關通過「GAP認證」的審查，協助農民擴增銷售通路的選擇，以及增進通路商向消費者說明農產品安全性來源之管道。 日本JA積極加入GAP的實施，以提升農業生產的效率和品質，同時為消費者提供了更安全、健康的食品選擇。然而，GAP認證從審查到取得的過程相當繁瑣，為解決此項問題，日本JA將Z-GIS系統導入於GAP管理。 一般Z-GIS是地理資訊的新形態農業智慧管理系統，結合線上地圖分析風險與農藥與肥料使用紀錄等功能，其所揭示的地理資訊與生產數據對於GAP提供審查的資料相當重要。但有關GAP風險評估與規範、條約管理等方面，一般Z-GIS系統則稍顯不足。        因此，日本JA在通過GAP一年後的例行性審查，採取新型的Z-GIS系統，成為日本全國利用Z-GIS系統應用於GAP的首例。這套系統除保有原有的功能性外，還利用顏色區分、輔助圖形、紀錄保存等功能，將作業程序與風險評估視覺化，並加以保存與顯示功能，提供第三者評估農事現場管理情況。此外，利用超連結功能，直接從Z-GIS存取資料，有系統性的管理大量的現場作業指南與帳務資料，並可因應審查員所需資料現場快速提供確認與審查，無須再透過紙本印刷，節省資源運用。        此外，Z-GIS系統應用於GAP管理還可協助個人與團體提出認證申請，並藉由系統雲端共享機制，提升JA管理效率。【延伸閱讀】-日本智慧農業之風-以自然為本的農業數位先端技術