陸生植物是長期在地表成功演化的生物，其所產生的化合物將直接或間接的影響植物對環境的適應與個體間的繁殖能力。植物體代謝產生的化合物稱作代謝物，可依其生合成的途徑進行分類。一般而言可將代謝途徑分為：泛物種存在並用以維持基本生理功能的初級代謝途徑(primary metabolism，或稱general metabolism，簡稱GM)；以及存在種間特化並用以防禦或適應功能的次級代謝途徑(secondary metabolism)，又由於其功能特化在不同的分類群間有所差異，因此次級代謝途徑又被稱作特化代謝途徑(specialized metabolism，簡稱SM)。植物產生的化合物在農業、醫療及生化等領域可能富含高經濟價值的潛力，以農業應用為例，許多抗病蟲害製劑或含費洛蒙成分的化學生物藥劑是提煉自特定植物的化合物，不但在施用上對環境友善，也使作物避免病蟲害的威脅。 　　由於植物的基因體數據量龐大且存在種間差異，加上若分別以傳統植物生理與分子生物學研究某特定代謝途徑將是耗時的做法。為此，密西根州立大學(Michigan State University)的研究團隊採取不同的做法，研究團隊先以模式植物阿拉伯芥(Arabidopsis thaliana)的基因組數據進行研究，並以機器學習的方法，將3萬多個基因按代謝途徑分成GM或SM兩種。研究團隊表示，機器學習的方法就如同在電子商務中透過分析消費者的瀏覽模式，預測消費者潛在可能購買的商品，並以客製化的方式呈現廣告內容。利用新興機器學習的方法，研究團隊得以在未知功能的基因中，將基因依代謝途徑進行預測並分類，藉此一窺其可能扮演的角色。 　　密西根大學的研究團隊完美的展現計算生物學與生物化學間跨域合作的研究模式，透過機器學習進一步預測基因的分類，將有助於候選基因的挑選。該研究也可進一部推廣到阿拉伯芥以外，用在其他的植物類群，藉此發現農業、醫療或工業用途的新興植物代謝化合物。【延伸閱讀】適用於現場的攜帶式設備能預防豬隻傳染病的傳播 　　該研究由美國國家科學基金會(National Science Foundation)提供資金方面的協助，最新研究成果已發表在著名期刊<Proceedings of the National Academy of Sciences>。

HiSea通過歐盟Horizon 2020研究與創新計劃獲得194萬歐元，於2019/1/8-9在荷蘭舉行了開幕會議，合作對象涵蓋荷蘭、葡萄牙、德國、西班牙、法國、希臘和以色列等地區。HiSea將整合哥白尼計劃(歐盟地球遙測和監測服務)所獲得的海洋、陸地和氣候數據，包含物理參數(如氣象、波浪、水流)和水質參數(如葉綠素、海洋污染)等各項不同類型的數據，加上當地監測數據和模型建立，希望改善人類海洋活動的運作、規劃和管理，特別是港口和水產養殖方面的應用。【延伸閱讀】數位化綿羊育種新技術 　　HiSea提供的服務包括： 　　　　•發布暴風雨、大量有害藻類生長、糞便污染和其他危害的警報，提供潛在風險的預警服務。 　　　　•針對污染事件進行即時危機管理，以確認適當的應對措施。 　　　　•提供關於魚類生長的環境條件或船舶風暴易受傷害程度的關鍵績效指標。 　　　　•提供人們作業規劃的參考資訊，包括準確可靠的氣象，流體動力和水質預測。 　　　　•利用因果關係(cause-effect relationship)構建知識庫，有效增進未來的管理營運。 　　這是一項創新且具有成本效益的服務，通過數據整合提供用戶量身打造的可靠的資訊。利用伺服器模擬季節性警報或危機發生時的應對反應，還使用創新模組幫助隨時應付用戶要求並降低營運成本。而用戶則能夠輕易取得和理解這些訊息，將數據完美融入自身所需的操作、規劃和管理作業，增加競爭優勢。

部分沙門氏桿菌屬(Salmonella)的物種能在人與動物之間傳染，一旦飼養的動物攜帶這類病原菌，將影響畜牧與相關肉品加工產業，人們的健康也因此受到威脅。據統計，美國本土在2009-2015這6年間就爆發近3,000起透過食物傳染的食媒性疾病(foodborne disease)，其中有900多起與沙門氏桿菌感染有關，占總事件的30%。為預防人畜共通傳染病大規模爆發與發展良好的防治策略，將成為重要的關鍵。相關的防檢疫策略應著重在落實源頭管理，導入農場到餐桌(from farm to table)的管理監控，從根本的畜牧生產端就應進行把關，因此初期的防檢疫應被視為不可或缺之一環，相關的防檢疫技術也因此孕育而生。 　　美國喬治亞大學食品安全中心(University of Georgia Center for Food Safety in Griffin)的研究團隊對人畜共通傳染病的沙門氏桿菌進行研究，針對沙門氏桿菌的特定血清型Typhimurium進行全基因組的定序及序列分析，並重建Typhimurium型的菌株在牛、豬、雞等飼養畜禽與其他物種間的親緣關係。研究團隊利用隨機森林(random forest)演算法，將已知1300多個Typhimurium型沙門氏桿菌的基因組以機器學習(machine learning)的方式，訓練機器判讀Typhimurium型沙門氏桿菌基因組中3,000多個遺傳特徵，藉由遺傳變異區分細菌可能的來源並加以分類，最終將機器學習的結果用在預測未知特定病源，藉此達到源頭管控與防檢疫之目的。【延伸閱讀】以機器學習揭露植物功能性基因的秘辛 　　由於生物基因組的資訊量極大，未來的趨勢將不外乎是透過經演算法訓練的機器協助找到特定傳染病做好源頭管理，並用在防治傳染病大爆發。該研究現已成功預測大部分的動物性來源的Typhimurium型沙門氏桿菌，其準確率高達83%；其中預測準確率最高的是來自家禽與豬的Typhimurium型沙門氏桿菌，其次則是來自牛及野生鳥類的Typhimurium型沙門氏桿菌。未來研究將藉由蒐集更多沙門氏桿菌的基因組資料，藉此優化機器的學習預測能力。 　　該研究已發表在美國疾病管制與預防中心的研究刊物<Emerging Infectious Diseases>中。

面臨全球暖化的挑戰下，節能減碳成了上自政府下自民間的全民運動，包括農業在內的所有產業，均從事標榜符合環保法規且低碳足跡的生產作為。農業上，會造成碳排之處多半在肥料、農藥等製劑的生產及運輸過程或是來自作物的呼吸作用與農地的土壤呼吸(soil CO2 efflux)，以及農機具在操作中所產生的碳排放。除此之外，加拿大英屬哥倫比亞大學(University of British Columbia，簡稱UBC)的最新研究發現，除上述農業活動會造成大量碳排放外，引用湖水進行農業灌溉過程中恐會產生為數不低的二氧化碳排放量。 　　某些地區耕作的水源引自農作區鄰近湖泊或其支流，相較之下是屬於較經濟的農業生產方式。由於大氣中有許多的二氧化碳氣體是以碳酸氫根的無機分子形式溶解在水體(例如：海洋、湖泊、河水等)中，因此湖泊中其實蘊藏著大量溶解自大氣的二氧化碳分子。英屬哥倫比亞大學的研究團隊即發現，在引用湖水灌溉的過程中會將原先一部份溶解於水體中的碳酸氫根釋放到大氣中，研究團隊在加拿大歐肯納根湖(Okanagan Lake)周邊地區進行研究，研究分別在將湖泊水與去離子水作為灌溉水源進行研究，並監控土壤表面與大氣中二氧化碳濃度的變化。研究最終證實引用湖水灌溉過程中會將碳酸根離子轉換為二氧化碳的形式釋放至大氣中，這占土壤呼吸總量的9-15%。據研究統計，引自歐肯納根湖從事的灌溉作業每年約莫會產生45,000公斤由碳酸氫根轉變成的二氧化碳，由此可知此地區使用湖水灌溉所貢獻的二氧化碳排放量相當驚人。【延伸閱讀】研究人員探索海洋微生物對於影響氣候的作用 　　該研究有別於以往人們所關注的土壤有機碳(soil organic carbon，簡稱SOC)與大氣二氧化碳間的關係，英屬哥倫比亞大學的研究重點主要放在無機碳的轉移過程，並透過農業灌溉的實際作業，闡述其所產生的二氧化碳變化與探討所帶來的全球暖化問題。 　　該研究由加拿大農業溫室氣體計畫(Agricultural Greenhouse Gases Program)提供經費方面的協助，相關成果已發表在<Geoderma>。

為因應全球氣候變遷所帶來的衝擊，包含農糧領域在內的科學家正積極找出減緩(mitigation)與調適(adaptation)等策略，以此降低因氣候變遷形成的糧食短缺等問題，然而除了透過科學家們自身的努力外，主流學界也提倡應結合公民科學家(citizen scientist)的研究力量與匯集第一線的研究成果，提升科學理論的完備性並實際驗證其可行性。 　　公民科學(citizen science)是指公眾參與的科學研究，對象包含非職業科學家及業餘愛好者，這在生態學及環境科學領域中皆有大量的研究成員，而以農糧生產方面的研究為例，從事的公民科學家職業多為農民，在業餘時觀察並記錄作物生長的狀況及生長期間氣候的變化，最後將這些數據提供給科學家進行後續分析之用。一項由國際生物多樣性組織(Bioversity International)所進行的研究顯示，公民科學家(即一般農民)在研究上扮演舉足輕重的角色。 　　研究中提到參與計畫的農民皆可隨機獲得種源庫中3個不同品系的同種作物，不同品系則代表其可能存在不同的抵抗逆境、病蟲害等性狀或存在生長上的差異。參與的農民僅需提供試驗場域並記錄生長的相關數據，最後將數據紀錄結果供專業人士進行分析。研究按不同的栽種季及不同的農業氣候區(agroclimatic zone)進行分類，現階段已在尼加拉瓜、衣索比亞與印度的合作區中，分別獲得842處菜豆、1,090處杜蘭小麥與10,477處普通小麥的產量數據，科學家們將這些數據分別結合當地農業氣候與土壤肥力資訊進行關聯性分析。結合農民提供的最新的數據也發現到，農民試驗的結果有許多與現行的栽培建議相左，這也顯示公民科學在氣候調適農業中扮演的重要性。【延伸閱讀】監控水下聲音以監測河流健康 　　雖然傳統的試驗研究可將新品系成功應用在實驗室或溫室等小規模尺度，然而能否實際大規模的應用在田間及被農民所接受，則是接下來所要面臨的挑戰。而經農民驗證的研究成果，能有效的對既有的栽植作法進行改善，提升糧食的產能。 　　研究成果證實公民科學在農糧領域的必要性，也顯示農民最終能獲得產值方面的提升。相關研究已發表在<Proceedings of the National Academy of Sciences>。

在生物學領域實施行為研究時，需要對動物個體進行追蹤，通常是將小型數據記錄儀直接連接到動物的身體上，通過收集動物行為與動作等相關的數據和觀察結果，可作為展現動物生命奧秘的一種方式。傳統上多搭配視覺觀察動物的行為、習慣等進行研究，但對象換成海洋動物時則受到一定的侷限性，尤其是底棲性或生活在深海的動物。 　　近年來，受益於生物與電子技術的進步，擴展了研究人員於各種棲息地研究動物的能力，而海洋動物可收集的資訊包括三維運動軌跡、潛水深度和游泳速度等，以及體溫和心電圖等生理數據；部分生物學家也使用攝影器材拍攝動物掠奪或社會行為等前所未有的照片或影片。而現在日本山形大學(Yamagata University)和帝京科學大學(Teikyo University of Science)研究人員最近開發了一種新的小型機器人，它可以沿著抹香鯨的體表行進並收集有價值的行為數據。 　　相關計畫始於2012年，研究人員Tsumaki解釋，團隊想在抹香鯨嘴部周圍安裝攝影機，主要目的是為了拍攝抹胸鯨吃巨型魷魚的鏡頭，並為此開發了一種有可能到達動物口腔區域的鯨魚探測器，藉由集中閥門系統(valve system)縮小尺寸，並增加吸盤尺寸和靈活性來增加吸附力。此探測器在惡劣的環境中可進行定位與計算，設法利用鯨魚游泳時產生的水流作為機器吸附與運動的動力源，進而改善了抹香鯨口腔附近的可見性。【延伸閱讀】在海中游泳的機器魚SoFi 　　另一位研究人員Kosuke Tsuchiya表示，此技術在僅使用水流作為動力源的情況下成功於500公尺的深度進行吸附行走運動，並成功穿過平坦的丙烯酸表面。另外於實驗室水箱進行的測試中，也可穿過半徑為1.5公尺的彎曲丙烯酸表面，成功率為46％。這些初步結果顯示此技術可能還不適用於實際長距離的水下移動，仍需進行改良，但未來希望除水下觀測外，也能應用於海底電纜檢測系統或檢查大型船舶的底部。目前團隊正在設計一種帶有新吸盤、測量設備和浮標的原型機器人，之後將於小笠原群島的海洋中進行測試。

Digital Agriculture Services (DAS)與澳洲聯邦科學與工業研究組織(Commonwealth Scientific and Industrial Research Organisation, CSRIO)合作，推出Rural Intelligence Platform™，這是第一個在澳洲任何地方進行全面性評估和監測農村土地的平台，利用可靠數據來源提供的生產力、水資源取得、產量、土地利用、作物類型、降雨、乾旱影響等資訊。 　　DAS估計，澳洲每年有約1,250億美元的農業經濟決策是建立在不可靠或不完整的數據上，平台提供的準確資訊有助於農民、企業、政策制定者等在正確的數據背景下進行良好的投資選擇，提升風險應對能力。平台改進了CSIRO開發的一系列技術，並納入最新的衛星圖像、數位土壤資訊、氣候資訊等及其他州政府或聯邦政府提供的公共數據，並利用機器學習演算法進行分析。此外，數據庫中涵蓋了3.71億公頃的農業用地及可追溯至10年前的銷售記錄，並採用人工智慧自動評估，準確率高達90％。【延伸閱讀】濕度監控對改善家禽健康和福利至關重要 　　在面對人口持續增加和氣候變遷的壓力下，預估亞太地區的數位農業市場到2028年將達到100-250億美元。自2017年與CSIRO合作成立以來，已從澳洲上市的農企業Ruralco和其他投資者獲得425萬美元的資金，目前DAS已與部分公司展開密切合作，測試Rural Intelligence Platform™。

許多魚類在生命週期內會於棲息場所進行大規模的遷徙現象，而通過水壩時常會因水流或壓力變化造成受傷或死亡；但水壩所產生的水力發電屬於可再生能源，對人類的未來發展將會越發重要。為了改善此現象，太平洋西北國家實驗室(Pacific Northwest National Laboratory, PNNL)開發可投入壩中的小型感測器魚-Sensor Fish。 　　Sensor Fish是一種小型自主裝置，尺寸和鮭魚的幼魚(smolt)差不多，使用聚碳酸酯圓筒做成，內部裝設三軸加速度計、壓力表和陀螺儀，可重複使用，為內部電池充電、修改感測器設定、取得數據以及將類比訊號轉換為數位訊號。數據採集頻率為2,000 Hz，記錄時間最長約4分鐘。 　　在開發感測器魚之前，生物學家和大壩工程師主要依靠物理計算和流體動力學模型來探討溢洪道和渦輪通道環境。Sensor Fish則收集魚類通過水壩時的物理數據(包含壓力、角度變化和通過期間的加速度等)，只要將其放置在渦輪機、溢洪道和水閘中，一但Sensor Fish通過水壩，附近的船隻可經由無線電訊號和LED燈發現其蹤跡。所收集的資訊可用於評估魚群經過水壩時遇到的狀況，有助於人們做出改善魚類生存和減輕傷害的決策。【延伸閱讀】利用太陽能智慧裝置維持養殖漁池水質的穩定 　　此技術最近已授權給ATS(Advanced Telemetry Systems)公司製造，未來將能提供更多的水電營運業者和研究人員使用。此外，ATS還獲得了PNNL開發的鮭魚聲學遙測系統(Juvenile Salmon Acoustic Telemetry System, JSATS)可用於追蹤魚類行為，也消除植入生物追蹤標籤時對魚體造成的壓力。

鯨魚的巨大體型與豐富油脂，使其成為早期人類飲食、生活文化中重要的角色。而露脊鯨的英文稱為right whales，因其游速緩慢，且體內油脂含量較豐，捕殺後會浮在海面上，便於漁民處理，故容易成為捕鯨業的獵捕對象。因此在長時間的獵捕後，露脊鯨的數量已急遽減少，直至20世紀後數量才稍微回復。 　　除了捕鯨威脅以外，露鰭鯨也容易與漁船碰撞或漁具糾纏而造成傷亡，尤其是獵捕蝦蟹常用的漁具。研究員Amy Knowlton於2012年的研究估計，83％露鰭鯨曾被漁具纏身，並在體表造成疤痕。但漁民為考量成本或其他原因，會使用一次性的拋棄式漁具，這些散落在海中的垃圾對海洋生物威脅極大，而為了方便大型捕撈網收取時所使用的網繩也可能纏繞在鯨魚的鰭、吻部或其他地方，可實際上現存的無線捕撈系統，對於漁民而言成本過高，花費高達1,000美元。 　　為減少對露脊鯨的威脅，同時為漁民減少負擔，Planet Borneo hackathon的優勝團隊在第五屆國際海洋保護大會上提出一種低成本、無線、可自體漂浮的龍蝦捕捉系統—Lobster Lift。藉由漁船上的追蹤器發出信號到捕撈網，進而觸發捕撈網上的浮標，並將捕撈網帶上海面。漁民可省去捲起浮標線的時間，直接到達定點收取漁獲，並重新進行下一批次的捕撈作業，成本約80美元。【延伸閱讀】幫助母豬降溫的冷卻墊 　　此外，因Lobster Lift採用訊號感應定位，所以可幫助監管機構收集所有捕撈網的放置地圖，優化海洋資源的使用，防止過度捕撈。雛型設備的水中測試時間可能在2019年，目前團隊還申請聯邦撥款支持，並等待專利申請中。 　　捕蝦業發展已久，這樣的工具設計無法一夕間解決所有問題，但在理想狀態下將能改善傳統漁具對海洋生物的傷害，也是一個好的開始。

世界自然基金會(World Wildlife Fund, WWF)推出了一個稱為OpenSC的區塊鏈(blockchain)食品追蹤平台，由WWF-Australia和BCG Digital Ventures合作開發，期望能幫助企業和消費者避免非法、破壞環境的產品，同時改善供應鏈透明度。藉由掃描列印在包裝或產品上的QR code、RFID(Radio Frequency IDentification)等，可以追蹤產品從原產地、加工、運輸、包裝到零售業貨架的所有資訊。客戶只需在智慧型手機中安裝OpenSC應用程式，即可查看產品供應鏈的生命週期。【延伸閱讀】巴布紐幾內亞的豬農已成功運用區塊鏈技術進行溯源管理 　　此系統還可記錄產品的其他重要資訊，做為日後食品安全或其他審核之用，例如溫度、濕度和其他社會與環境認證條件等。透過OpenSC將能幫助消費者了解產品的生產背景，協助其作出對環境友善、符合人權、促進永續生產的選擇。 　　為了促進食品安全，IBM公司已經創立了供應鏈區塊鏈聯盟，稱為IBM Food Trust。雖然此平台不像OpenSC涉及消費端，但已確實連結從農場、加工、儲藏、運輸到零售商的過程，增加產品的可追溯性。而對企業而言，區塊鏈系統可避免紀錄遭到竄改，提升供應鏈管理的信任度。且平台可在自動追蹤每次產品轉手時的狀況，幫助降低追蹤成本，並減少潛在的人為錯誤，優化業務營運。

近年來，隨著網際網路逐漸發達，於線上交易的電子商務也蓬勃發展，電子商務具有方便、快速交易、無營業時間限制、節省實體店面成本等優勢，因而吸引大量商機。為了迅速滿足大量訂單，商家也需要準備大型倉庫以儲備足夠的庫存量，在此同時也衍生人力短缺的現象，然而電子商務在零售業中的比例仍在持續成長，許多企業也逐漸考慮使用機器人化解人力不足所造成的限制。 　　現今的機器人技術多半只能以特定手勢或吸盤等構造抓取物品，一但改變目標物的外型，機器手臂的掌握力就會下降。當線上訂單完成時，商家需要在倉庫中搜尋並取出儲藏的貨品，但是倉庫中的物品形狀複雜，不利於使用單一的機器手臂抓取和移動，且訓練機器學習也是一大問題。 　　為了改善抓取的活動性，可能會在機器手臂上裝配多種吸盤或夾具，故訓練機器人辨識物品並採用適合的工具成功拿取，是需要突破的重點。加利福尼亞大學柏克萊分校(University of California, Berkeley)的工程師提出了新技術，可以使機器人在不經過培訓的情況下掌握各種物體形狀。 　　研究團隊採用Dexterity Network(Dex-Net)4.0系統與類神經網路Improved GQ-CNN，並通過多達五十種不同的物品和ABB YuMi機器人進行測試，探究機器人在箱子當中拿取物品的效率，實驗顯示可成功改進機器人抓取物品的可靠性(reliability)。未來可能會改善機器人辨識困難的部分，包括從物品堆中找出被遮擋的目標物、透明物件、多孔和包裝鬆散的物體。【延伸閱讀】日本超級農機提升飛驒牛生產力 　　現在電子商務熱潮也逐漸帶動農產品於網路販售，農委會也設立農產品電子商務推動小組，積極推動臺灣農產品電子商務；而農產品比起工業產品的形狀、規格更為複雜，若要運用相關技術於農業電商平台，還須經過多項測試。

新興技術的發明應用與改進舊有農機設備，將有助於農業現代化發展，是推動農業/漁業4.0的最大助力。近日，新加坡貿易和工業部(Ministry of Trade and Industry)展示星國養殖產業方面的最新科技成果。由新加坡貿易和工業部設立的智慧財產中介平台(Intellectual Property Intermediary，簡稱IPI)發表三項具創新科技元素的發明，這三項應用在養殖漁業的技術發明應用包含：水源管理系統、水質檢測套組及高科技漂浮台。 　　先進水源管理系統是一套水源淨化與再利用的循環養殖系統(recirculating aquaculture system，簡稱RAS)。由於養殖的魚蝦在攝食代謝後會排放大量含氮廢物，若未即時處理養殖環境中的含氮廢物，在劑量達到一定濃度後，恐使魚群或蝦群死亡，心血付之一炬，造成經濟上的損失。水源管理系統有別於傳統利用活性污泥中的微生物，以生物分解的方式緩慢地將有機含氮廢物轉化為氮氣的作法，水源管理系統使用特別的濾膜，可直接過濾含氮廢物。該系統已於2018年6月份應用在新加坡的部分漁場，經研究顯示淨化效率高達90%，業者將淨化後的水質重新循環到養殖池中也大幅節省養殖場營運的花費。 　　水質檢測套組是用來監測水質的快篩試劑。為避免水中存在致命的病原菌，危及養殖生物的生存與繁殖，進而造成經濟損失，因此適時地監測養殖環境中的微生物病菌，避免不同養殖環境的相互感染，將使魚群更健康。新發明的檢測套組是一套靈敏度和特異度高的產品，其利用光學免疫檢定(optical immunoassay，簡稱OIA)法，能在25分鐘內以反應呈色判斷檢體是否受感染，在第一時間掌握水體品質，讓魚池擁有衛生的環境。 　　高科技漂浮台則是提升安全作業的水上設備。以往為了便於水上作業，傳統東南亞沿海漁民會自行搭建奎籠(Kelong)，同時作為海上捕撈作業與生活起居的住所，但由於奎籠無法抵擋劇烈的氣候變化，因此現代化水上離岸作業設備NOAH (Novel Offshore Advanced Hull)的發明將大幅提升漁民的安全，對抗全球氣候變遷帶來的衝擊。該設備可應用的範圍從內陸湖泊到沿岸養殖，可廣泛應用在各個養殖領域。除此之外，NOAH可利用太陽能及洋流作為動力來源之一，以此降低碳排放。相較於傳統的箱網養殖與循環養殖系統，以NOAH輔助下所發展的漁業4.0能帶來2.5-6倍的產值。【延伸閱讀】水產養殖業的人工智慧使用指南 　　在智慧化與自動化的時代，新加坡的漁業導入相當多的科技元素，藉此提升其產量。我國目前積極發展農業4.0，以提升農產價值，在這樣的背景下，或許能參考新加坡的創新發明，藉以發展自身的農業實力。

牛奶中蛋白質、碳水化合物、脂肪、維生素和礦物質含量豐富，是現代人生活中不可或缺的食物來源與食品原料之一；然而牛奶中豐富的水分與營養成分也是最適合微生物生長的溫床，新鮮的牛奶若無經過適當的殺菌程序與保存環境，便容易迅速酸敗，且可能引發消費者食物中毒等症狀。 　　一般消費者於市面上所購買的牛奶通常經過巴氏殺菌法(pasteurization)進行消毒，這是一種透過較低溫度、短時間的加熱處理，殺滅食品中部分微生物的方法，並盡可能保留生乳中的營養物質與風味。然而這樣的處理方式只能減少微生物的數量，完成處理的產品須於低溫中保存，並盡快食用完畢。【延伸閱讀】氣味感測器搭配NFC守護民眾食品安全 　　檢測牛奶中的鹼性磷酸酶(Alkaline Phosphatase, ALP)活性，可以驗證巴氏殺菌法作業的效果，也是現今最常使用檢測項目之一，但傳統檢測須在實驗室經過多種步驟才能完成，不易被現場所用。為解決這個問題，印度理工學院(Indian institute of technology)開發出以紙張為基底，並可快速感測ALP小型生物感測器，內含對ALP具有專一性的生物探針，只要13分鐘就可產生藍綠色訊號，方便現場人員直接以肉眼觀察辨識。此款生物感測器的ALP的檢測範圍為10-1000 U /mL，且已成功用於檢測乳品原料樣本，團隊也另外設計出簡易的檢測套組，以提升現場檢測的應用性。

在數十年的發展下，人工智慧(artificial intelligence)已應用在包含農業在內的各個領域，其中又以開發具機器視覺(machine vision)，具深度學習(deep learning)功能的人工智慧最具挑戰性，如何讓機器透過機器學習(machine learning)的方式產生具有與人們相比擬的判釋能力是目前學研界致力研發的重點項目之一。為了解機器視覺在人工智慧中開發的進度及可能遇到的問題，美國加州大學洛杉磯分校(University of California, Los Angeles)的研究團隊針對圖像處理上最常使用的兩種卷積神經網路(Convolutional Neural Network)模型—AlexNet與VGG-19進行圖像辨識的測試，結果發現，現在的圖像辨識仍有值得改進之處。 　　加州大學洛杉磯分校的研究團隊分別透過五項對機器所進行的測驗，顯示人工智慧很容易被看似簡單且容易被人理解的圖像所欺騙。這五項測驗目的是為了找出機器視覺在判斷上的盲點。經測驗後，發現運用深度學習模型的機器具有以下特點，包括無法如一般人類，可藉由物件的輪廓輕易的判讀；對玻璃材質的物件，其判釋能力大幅下降；對整體型態完整但輪廓不清的物件卻能正確辨識等發現。對於這樣的研究結果，研究團隊認為，材質(texture)是影響神經網路模型的重要因素，與一般人類運用整體輪廓辨識物件的方是不同；另一方面，機器有效地判讀蓄意模糊輪廓的圖像的比例極高，也證實機器並非以物件輪廓作為主要演算依據。研究團隊發現，人類是藉整體視覺來分辨圖像，而人工智慧則是將物件拆分不同的片段進行取樣判讀，如何讓機器達到人類辨識物體的水準，仍有待科學家進一步研究。【延伸閱讀】運用人工智慧科技規劃地景生態拯救野生瀕危蜜蜂 　　該研究由美國國家科學基金會(National Science Foundation)資助，研究成果已發表至<PLOS Computational Biology>。

茶飲愛好者往往特別關注茶葉的產地、氣候和環境狀況，但目前茶產業尚未有健全的溯源系統。而區塊鏈(blockchain) 是近年來快速發展的科學技術之一，已應用於許多零售及食品相關產業當中，有利於產品溯源與提升供應鏈透明度。VeChain是一家協助產業建立商品區塊鏈的公司，在過去兩年內幫助了奢侈品、汽車、食品、服飾生產商建立可信任的商業生態環境，現在更與日本富士Marumo茶園合作，希望通過先進的物聯網和區塊鏈技術幫助追蹤茶葉產品包裝。【延伸閱讀】應用區塊鏈建立番茄供應之物連網 　　富士Marumo茶園是世界上最受歡迎的日本茶葉生產商之一，因為於日本靜岡，具有適合茶葉生長的優良氣候和土壤條件，在Mohei Honda的領導下榮獲2013年世界綠茶大賽最高金獎。為了提昇客戶的信任度與抑制市面上的假產品銷售，故與VeChain進行合作測試，VeChain會分配個別產品一個唯一的ID，並將此ID添加到其各種NFC晶片當中，客戶只要將智慧型手機指向包裝上嵌入的NFC晶片，就能確認所購買的產品來自富士Marumo茶園。而且，客戶還可以獲得更多產品相關的詳細資訊，包含茶園歷史影片以及驗證證書。 　　此計畫將分階段推行，初始項目將涵蓋一百種不同的茶產品進行測試，這些茶產品將採用VeChain的NFC晶片進行追蹤，若成效良好，將會擴大合作關係。

一般而言，無人機通常平均飛行時間為20分鐘，因維持機翼旋轉需要大量能量，若要維持長時間的飛行，也代表需要更大、更重的電池；而無人機越小，飛行時間也越短，這樣的能量需求使得無人機應用尚無法擺脫尺寸限制。 　　現在美國華盛頓大學(University of Washington)發掘一個既強大又輕便的動力源—昆蟲，足以讓無人機持續約七個小時的飛行時間，並將其稱為Living IoT。這是一個飛行無線平台，包含感測器、無線通訊和定位追蹤器，可搭載於活體昆蟲而昆蟲於田間飛行時便可同時監測溫度、濕度、光照強度或作物健康狀況。 　　由於昆蟲本身已具飛行能力，因此只需搭配可持續七個小時的微型充電電池(約重70毫克)即可，整體元件僅需數美元，重量僅為102毫克，約為7粒生米的重量。而大黃蜂(bumblebee)可承受與自身體重相等的重量，一隻蜂約重113毫克，且體型較大，能夠攜帶團隊開發的微型電池，因此受到青睞。除此之外，與一般無人機不同，蜜蜂能夠飛行數小時，也具有電子零件無法達成的特質；一般無人機就只是隨意在田間飛行，但蜜蜂會受特定物質吸引，所以除了能以此監控環境外，還可以更加了解蜜蜂的行為模式。【延伸閱讀】海洋中的大型海藻養殖場將成為未來生質燃料的來源之一 　　為了追蹤蜜蜂，研究人員在足球場上設置了四個天線基地，利用蜜蜂身上的接收器的信號強度及蜜蜂與基地站之間的角度差進行三角測量，最遠可以偵測到距離天線外80公尺的地方(約四分之三個足球場)，而蜜蜂通常飛行距離為百米內，故可完全掌握訊號位置；當蜜蜂返回蜂巢過夜時，電池便會重新充電並上傳數據。安裝或取下零件時只要將蜜蜂裝在罐子裡，再放入冰箱模擬冬眠時的溫度，減少其活動力，便可輕鬆完成，且整個過程並不會傷害到蜜蜂。通過感測器，我們更可以了解蜜蜂的野外行為，理解為何蜂群數量會下降。 　　研究團隊計劃在ACM MobiCom 2019上展示他們的研究成果，但這並非團隊第一次進行無人機研究的發表，過往曾推出RoboFly，這是一種由雷射光驅動的昆蟲機器人，透過雷射光投射能量給機器人上方的光伏電池並轉換成足夠的電力。而RoboFly的飛行模式可以進行人為控制，或許有一天能夠應用於偵測氣體外洩、檢測植物病蟲害，或進入狹小空間中尋找災難倖存者。

水下世界熱鬧且變化萬千，雖然魚群不像人類擁有聲帶，但還是可以藉由骨骼摩擦、肌肉震動、游動時改變速度和方向發出聲音，這些聲音可變成捕食者或競爭者感受到的訊號，或成為吸引配偶、嚇阻外來物種等反應。觀察聲音生態學(Acoustic Ecology)也提供人類認識其他物種的另一個角度，魚類資料庫—FishBase網站中也記錄著部分魚類的聲音，可作為認識魚種的參考。 　　現在格里菲斯大學(Griffith University)澳洲河流研究所(Australian Rivers Institute)的研究人員便利用這些聲音建構監控河流健康的新方法。研究人員Dr. Simon Linke表示，研究自然界發出的聲音可以提供寶貴的環境資訊，就像有人研究並記錄鳥類所發出的聲音，我們也可以將此概念應用在魚類身上，用於監測魚種種類、族群變化，或其他影響河流健康的小動物。藉由投入水下麥克風，記錄音頻並將聲音和數據傳回辦公室，透過電腦系統自動識別、分析其中特殊的聲音，並用於構建有關河流系統健康狀況的調查結果。【延伸閱讀】利用行為研究幫助了解豬流行性下痢病毒大爆發之可能因素 　　傳統上進行生態監測時，研究人員需要花費大量時間於不同地點奔波和架設裝備，透過這種非侵入性的監控方式，搭配自動攝影機，就無須額外採取干擾生態系統的任何措施，有利於研究人員進行長期性的觀察，也能作為監測如羅非魚(吳郭魚)等入侵種的早期預警系統。

遺傳改良是畜牧業提高生產力的方式之一，然而隨著經營時間延長，動物族群逐漸擴大，管理者的育種計畫也漸趨複雜，追蹤個別動物的種系與遺傳關係也越來越難。澳洲的養羊產業興盛，也是世界上主要的羊毛、羊肉生產國，羊隻數量眾多，更加需要進行系統化的管理。 　　MateSel是一個由新英格蘭大學(University of New England, UNE)教授Brian Kinghorn開發的電腦程式，已被美國養豬業使用，能同時保持動物的遺傳多樣性和提高遺傳育種的收益。現在澳洲的綿羊產業也逐漸投入MateSel的使用，並通過Sheep Genetics Australia進行管理，利用最全面的綿羊遺傳數據庫和評估服務，促進澳洲綿羊產業的品質保證。 　　西澳農民Dave Vandenberghe是第一年進入MateSel計畫，他的每一隻綿羊都經過DNA測試以確定親代血統來源，有助於防止配種時的近親繁殖。每個新剪毛的羊隻都有一個電子標籤，上面完整記錄澳大利亞綿羊繁殖價值(Australian Sheep Breeding Values, ASBVs)，其中包含出生體重、剪下羊毛量和眼睛肌肉深度等性狀，可用以選擇性繁殖所需後代；加上所使用的電子繪圖工具、電子耳標、電腦軟體和數據分析，Vandenberghe花費了約25美元改善羊群遺傳特性。【延伸閱讀】計算林木的耗水量並應用於精確灌溉系統 　　Vandenberghe表示，此計劃在西澳的美利諾羊(Merino)育種者中並不是非常受歡迎，但考量到綿羊和羊毛價格的上漲，農民可能會因此重新投資，尤其是同時養殖多種動物的混和農場更可因此簡化作業，順利將種羊進行分組以促進配對育種順利性。