長久以來，眾多不同的物種在地球上不斷交互影響，彼此消長達到生態平衡，然而這些生物多樣性與生態系統功能卻因人類活動受到干擾而逐漸失衡。隨著工業化及都市化程度提高，人類活動所影響之暖化程度越來越明顯，也威脅著原有物種的生長環境；一旦某地區的生物多樣性降低，對於極端氣候的應變能力也會跟著下降，因此更需要積極研究、評估與保護各地區的多樣物種及遺傳特性。然而複雜的生態系統也加深了人類研究的難度，故加拿大阿爾伯塔大學(University of Alberta)開發新的成像工具，將成像光譜儀(imaging spectrometer)安裝在自動推車上，操作者可於機器在地面移動的同時收集周邊植物所反射的光譜，能針對單一植物進行更精細的拍攝。 　　由於植物葉片對紅外線有很強的反射效應，該團隊使用短波長紅外線範圍(400-2400 nm)的光譜測量，藉由不同植物所反射的光譜不一，提出植物的光譜多樣性，在缺乏分類學、系統發育學等資訊下，此特性可作為區分植物生物多樣性的一項選擇。此方法可以改善近距離觀察的時間成本與補足遠距拍攝之細節不足的問題，並幫助研究者深入難以觀察的地區蒐集大型景觀植物的相關資訊。【延伸閱讀】提供海上資訊服務的HiSea計畫 　　此研究結合了各項跨域技術，包含：圖像處理、植物分類、光譜數據分析、機器人移動、統計等多種專業，相關結果發表於<Nature Ecology & Evolution>。

西班牙位於伊比利半島，內陸地區主要為溫帶大陸性氣候，北大西洋沿岸為溫帶海洋氣候，東部沿岸則為溫帶地中海型氣候，除了沿海地區，境內許多地方降雨甚少，天然環境不利於農業發展；然而西班牙政府致力於推廣灌溉農業，使得原本只適合旱作的地區也能發展園藝作物。近年來配合智慧化與現代化農業發展，逐漸推行遙控灌溉與遠端遙測系統，遙控灌溉系統通常由一台主要電腦連結到各個站點，自動化控制灌溉水量，人員也可視情況修改參數進行操作，遠端遙測系統則可追蹤參數變動對作物的影響情形，提供人們調整的依據。 　　2002年時西班牙參加了第一屆國家灌溉管理移轉研討會(The 1st International Workshop on Irrigation Management Transfer in Countries with a Transition Economy)，此研討會旨在極力發展各國的灌溉農業產能，強調現代化灌溉系統之設置、經濟與用水管理制度等問題。2005至2010年間，西班牙在追求現代化灌溉技術的計畫中，設置了260個用水公會，這些系統所涵蓋的面積約占一百萬公頃；十五年後，科爾多瓦大學(University of Cordoba)的研究小組針對這些早前設置的用水公會設計調查問卷，以追蹤長期以來這些現代化灌溉系統的維持與營運狀況。 　　推行現代化之願景為，利用遠端自動控制系統降低電費成本，不僅可節省農民勞動力，且相關技術能協助有效利用水資源與能源，提升農業系統的永續性。然而，問卷調查顯示其中的15％已不再持續使用灌溉系統，而其中19％的系統無法控制一半以上的液壓閥，顯示農民在轉型至現代化的過程中勢必面臨適應期，在適應期中若無法具體看見現代化灌溉技術所帶來的良好效益，則不願意進行例行性的維護，甚至不再利用這項技術。【延伸閱讀】利用衛星遙測改善加州酒鄉的水源管理 　　為了完整建立現代化灌溉系統，政府與這些公會已付出250萬歐元的成本，未來這些標準化的設備將會全面推行至農村當中，配合長期保固與持續培訓農民以防止用戶放棄轉型；此外也將繼續推動技術更新，強化現代化灌溉系統前瞻性。

近年來，隨著規模化養殖之情形增加，豬咬尾症發生機率也越來越多，造成豬隻咬尾的原因複雜，包含營養缺乏、環境不適、氣候改變、寄生蟲或疾病感染，甚至是任何造成豬隻不安的緊迫因素均可能導致嚴重不一的咬尾症狀。被咬傷的豬可能因出血過多造成身體虛弱，或是傷口受到其他細菌或微生物感染而影響健康，而其他豬可能受到傷口附近的血腥味吸引，也攻擊同一隻受傷的豬。因此飼養者需要時常巡視觀察，盡早發現並將傷害同伴的豬隻隔離；或是在飼養環境中放置鐵鏈、輪胎等讓豬啃咬的玩具，以減少豬隻因好奇或不安而攻擊同伴的情況。 　　為了減少豬隻咬尾的情形，部分豬場會先採預防式斷尾之手段，控制好合適的飼養密度並定時定量給予營養充足之飼料；然而動物福利之相關意識逐漸上漲，越來越多地區反對實行先給予豬隻傷害的斷尾剪牙之預防性手段。有鑑於此，英國蘇格蘭農業學院(Scotland's Rural College)與愛丁堡大學(University of Edinburgh) 、Innovent Technology公司合作，利用3D攝影機與視覺演算法自動量測23組仔豬尾巴的姿勢，藉此評斷豬隻尾部的受傷狀況與受傷時間，有助於飼養管理者於豬隻受傷前期就先發現狀況，減少傷害擴大。【延伸閱讀】開發以攝錄設備自動分析系統解開蜜蜂八字舞行為背後隱含之蜜源資訊 　　相關研究發表於<Plos One>

遙測技術最早起源於登高望遠時以相機記錄大地圖像，隨著科技發展，飛機、直升機、衛星等遙測載台種類越趨多元，圖像拍攝與分析判讀技術也日益精進，有助於人類掌握環境資訊的分布情況。廣義的遙測技術是指不經接觸物體表面而取得物體、地區或現象之資訊的技術，狹義的遙測技術則是以電磁波為主要探測訊息，藉以觀測大地現象；遙測技術需考慮遙測感應能量的類別、光源、觀測對象、能量在大氣中的傳遞與干擾。 　　智慧農業的興起，將原本用於氣象或地理觀察的遙測技術應用於農業觀測，Landsat 系列衛星為美國太空總署 (National Aeronautics and Space Administration，NASA) 的地球觀測衛星，自 1972 年 Landsat-1 發射至今已持續在地球上連續觀測近40年，主要利用可見光與紅外光等電磁波光譜特性的差異收集地面圖像。而玉米和大豆是美國主要的經濟作物，準確得到作物生長的即時狀況有利於進行市場評估、作物保險、土地租賃與供應鏈物流等各種決策進行；然而過去的技術仍無法良好區分玉米田和大豆田間的差異，美國農業部在收穫後四至六個月才能提供全國玉米和大豆種植面積。 　　伊利諾大學(University of Illinois)自然資源與環境科學系分析了三顆Landsat衛星所收集2000-2015年的光譜數據，發現短波長紅外線(Short Wave. Infrared，SWIR)，對於鑑別玉米和大豆之間的差異非常有用。SWIR波段能有效反映葉片中水分含量，搭配Blue Waters和ROGER超級電腦的深度神經網路(Deep Neural Network，DNN)以學習及分析數據，就可順利區分大豆和玉米植株間的差異。【延伸閱讀】日本佳能MJ集團利用攝影相機與AI技術掌握作物採收 　　此研究所有實驗均在伊利諾州中部進行，評估哪些資訊對於訓練分類的機器學習模型最有用，以及空間和時間因素如何影響分類狀況，這項新技術可以在7月底之前(種植後兩到三個月)區分兩種主要農作物，並達成95%以上的精確度。 　　相關研究發表於<Remote Sensing of Environment>

經過美國食品與藥物管理局估算，美國每年大約有4,800萬則食物中毒病例，造成約128,000住院次數和3,000人死亡。其中大腸桿菌O157：H7會導致感染病患輕重不一的腹瀉，且5-10％病人會引起溶血性尿毒症候群，而其他血清型如O26、O45、O111、O103、O104、O121及O145等亦可能造成類似症狀。 　　嗜菌體(phage)屬於病毒的一種，以細菌為宿主，並且只能寄生於活菌內，部分是菌體可造成寄主細菌裂解。因嗜菌體具有可將遺傳物質注入細菌的特性，故早已成為分子生物學技術上廣為利用的核酸載體；美國普渡大學(Purdue University)則利用此特性，將嗜菌體作為檢測食品污染的新工具。 　　推測食材或食物被細菌汙染時，只要噴灑噬菌體於檢體並加上適當的反應物，若檢體確實受到汙染，反應物則會因分解而發光，光訊號可透過智慧型手機與專用程式轉化為一般圖像，即使是一般民眾也能輕易理解汙染狀況。此種智能手機與噬菌體的跨域結合技術可提供農場或食品加工廠進行現場檢測，減少樣本檢測時間，作者也創立Phicrobe公司進行技術的商業化，未來除了食品致病菌外，也希望能用於檢測水中污染物。【延伸閱讀】非侵入性可攜檢測設備的發明讓植物病害檢測更為快速便利

近年來衛星多重光譜成像(multispectral image，MSI)與無人機技術逐漸發展完備，這些無人操作技術能夠遠端幫助農民及時且主動性的管控作物的生長情形，利用光譜強度差異轉換成植被的健康狀況，讓農民可依據作物當下的健康狀況差異給予適合的水、養分或農藥等處理；然而在高空中進行的多重光譜成像需要依靠昂貴的相機拍攝及掃瞄農地，對於想提升管理效率與降低成本的農民而言，無法作為廣泛使用的選項。 　　南澳大利亞大學(University of South Australia)與阿德萊德大學(University of Adelaide )和LongReach植物育種公司合作開發新的技術，使用無人機在20公尺的高度進行每兩秒一次的圖像收集，利用RGB（R:紅色、G:綠色、B:藍色）彩色圖像分析小麥田中的狀況，並藉由深度神經網路學習與比對MSI高空測量與RGB地面測量的圖像差異，顯示植被指數(vegetation index，VI)與高度相關，而圖像的空間配置、光譜及時間資訊有助於估計小麥的植被指數。經過驗證後，團隊認為未來可以經由成本較低的RGB圖像與深度神經網路評估以進行VI測量。【延伸閱讀】廣積深耕智慧農業　茶葉自動包裝機導入北部茶園 　　此研究由澳洲研究委員會(Australian Research Council)和穀物研究開發公司(Grains Research and Development Corporation)共同發起，相關研究發表於<Plant Methods>。

隨著天然資源不斷耗損，永續發展的相關議題逐漸為各國所重視；然而世界上大多數的商業性漁船仍然缺乏捕撈水產的數量控管與評估，長久以來，瀕臨絕種的物種數量逐漸增加，無法持續捕撈的魚類比例達到了63%以上。但全球超過100萬人以魚為主要蛋白質來源，因此對糧食安全產生了重大威脅。 　　為解決此問題，歐盟科研計畫Horizon 2020中「釋放水生生物資源的潛力(Unlocking the potential of aquatic living resources)」策略旗下有51個計畫，其目標是管理、永續開發和維護水生生物資源，盡量從歐洲海洋和內陸水域獲得社會和經濟效益的最大報酬，並保護生物多樣性。其中，為了解決魚類的「兼捕」問題，2018年初成立了「SMARTFISH」四年計畫，該計畫是由挪威的SINTEF Ocean研究機構協調，團隊包含了挪威、丹麥、土耳其、法國、英國和西班牙的大學、研究機構和漁業組織等。【延伸閱讀】新的人工智慧演算法可以更好地預測玉米產量 　　該計畫目的是開發出一套高科技系統，透過自動化數據收集，能夠優化捕魚效率並降低人類行為對海洋生態的影響；同時也能為漁民提供漁業法規的遵守證據。研究團隊中的東英吉利大學(University of East Anglia)計算科學學院團隊將專注於開發圖像處理與電腦學習等相關技術，可用於分析閉路電視和手持性裝置拍攝的圖像，幫助提高漁民的捕撈效率，並協助提供新的漁業資源數據，避免人為的捕撈壓力與生態破壞，並增進漁業資源管理。期望通過智慧技術發展永續和環境友善之漁業，提供全球經濟背後的優良競爭性和良好的水產養殖環境，促進海洋產業創新。

核磁共振攝影(magnetic resonance imaging，MRI)為非侵入式的造影工具，其原理在於把人體放置於強大磁場中，再利用特定的無線電波激發，使得人體組織中的氫原子核發生共振，將不同器官或組織間的訊號變化轉換成電腦成像，強度則以Tesla表示。由於MRI具高解像力、可進行多方向掃描、提供三維影像且不另外產生輻射影響，因此成為近年來臨床診斷上相當重要的影像工具。 　　伊比利亞火腿是西班牙的傳統食物之一，具有「火腿中的勞斯萊斯」之稱，並由國家法令規範法定產區、肉品來源與分級，因其特殊的風味、香氣與口感，市場價值極高。而MRI除了應用於醫學中觀察人體器官與組織的病變，因MRI在拍攝期間並不會造成食品損傷，故西班牙埃斯特雷馬杜拉大學(University of Extremadura)更將其應用於分析伊比利亞火腿的肉質。【延伸閱讀】澳洲Genics公司所提供的新工具能夠用來對抗蝦類十足目虹彩病毒 　　經過拍攝後的圖像能以電腦進行視覺計算分析，經過統計後就能在不切開火腿的前提下預測熟成期間的火腿內部肉質，包含水分多寡、脂肪分布與鹽分擴散情形。此研究能夠提供珍貴肉品加工業另一種即時控管品質的方式，未來也可用於監測其他不便提前破壞外觀的食品，幫助穩定食品在發酵或熟成期間的品質。 　　相關研究發表於<Journal of Food Engineering>

介電彈性體(Dielectric elastomers，DE)是一種新型材料，只要加上電壓就能使此材料發生形變，具有重量輕、價格低、運動靈活、易於成形和不易疲勞損壞等優點，能夠用來製作柔軟、輕巧的人造翅膀或是軟性機器人。介電彈性體致動器(Dielectric Elastomer Actuator，DEA)則能將電能轉化為機械能，不但產生噪音低，且驅動變化大，適合用於人造肌肉製作。 　　美國加利福尼亞大學(University of California)利用DEA做出透明的鰻魚機器人，可有效減少螺旋槳噪音對海洋生物的影響，便於進行水中觀察並降低機器人活動時對生物的傷害。此機器人裝有電線，可施加電壓到周圍海水及人造肌肉內部的水囊中，使得海水帶有負電荷，而機器人內部肌肉則有正電荷。電荷影響導致機器人肌肉彎曲，幫助機器人進行游泳運動；此外，這些電流變化十分微小，不會危害到周圍的水中生物。此鰻魚機器人最大游泳速率達到1.9毫米/秒，弗勞德效率(Froude efficiency)為52％，在可見光中平均透明度為94％，近似於海洋鰻魚(leptocephalus)。【延伸閱讀】新加坡使用天鵝機器人監測水質 　　此研究最大的突破在於使用環境作為機器人設計的一部分，同時也簡化了裝置，而人造肌肉內的腔室也可填充螢光染料，以利於在水中追蹤機器人動態。除了實驗室測試外，此機器人也於斯克里普斯海洋研究所(Scripps Institution of Oceanography)的水族館進行測試，未來將持續改進機器人的潛水深度與增強結構穩定性，強化機器人的利用性。 　　相關研究發表於<Science Robotics>

歸功於現代繁養殖技術的進步，母豬一胎可以生出數量較多的小豬，泌乳量也較多；但為了維持小豬的存活，母豬需要進食更多飼料以產生母乳，這也容易導致母豬的體溫增加，現今母豬的產熱量比1980年代的母豬高出55%-70%。由於豬屬於恆溫動物，皮下脂肪較厚且汗腺不發達，不容易通過皮膚散熱；一但豬隻體溫過高就需要減少進食量或是以喘氣散熱，遇到炎熱潮濕的夏季有可能導致豬隻中暑、性慾降低、泌乳量減少、難產或流產等情形。根據估計，美國豬肉產業每年須付出超過3.6億美元的成本以解決豬隻熱緊迫( Heat Stress )的問題。 　　使用空調冷卻整個房間或畜舍花費的電費較高，且降溫速度緩慢，不但不符合經濟效益，也不符合聯合國所提出之環境永續目標。美國普渡大學(Purdue University)農業及生物工程系開發出一種豬隻專用的冷卻墊，將2英尺×4英尺的鋁板架設於高密度聚乙烯底座與銅管上，並加裝監測溫度的感測器，需要散熱的母豬能躺在散熱墊上，藉由感測器決定何時更換銅管中的冷水，以保持母豬體表涼爽。【延伸閱讀】便攜式設備幫助偵測假酒 　　在高達35℃的環境溫度測試中，母豬呼吸次數可從每分鐘120次呼吸降至45次，且冷卻墊可明顯降低母豬的陰道與直腸溫度，冷卻水流速越快，效果越佳。此外，由於散熱墊面積只能容納一隻母豬，因此需要保溫的小豬在餵奶時不會直接接觸到冰冷的散熱墊。面對全球暖化，使用此散熱墊可以減少豬隻降溫所需的能源與相關成本，目前開發者正積極找尋相關的技術授權管道，相關論文則發表於〈The Professional Animal Scientist〉、〈Applied Engineering in Agriculture〉及〈Livestock Science〉。

農業發展歷史悠久，各地農業隨著漸趨專業化的發展，風險管理問題逐漸浮上檯面，因此越來越多跨領域專家爭相投入於農業環境監測與風險預警的領域。其中，農作物的病蟲害預警系統是農業風險管控中不可或缺的一環，為了強化資訊蒐集，提供客戶即時與方便的服務，以色列的Saillog公司推出免費的手機應用程式-Agrio，用戶可拍攝疑似生病的作物照片並上傳到平台，經由人工智慧學習和視覺辨識計算以辨別植物病害，使其在短時間內收到作物診斷和處理建議。   　　Agrio的發展經過以色列、美國和印度的農藝師測試，於2017年時就可供Android和iPhone系統下載使用，此程式具有11種語言，包含英語、法語、阿拉伯語、印地安語、坦米爾語和越南語等。若是遇到較不常見的作物病害，團隊中的農業專家也能另外提供協助，相關結果也能紀錄於程式資料庫中以修正人工智慧的學習；隨著時間的推移，病害預測與判斷將會更趨精確。【延伸閱讀】結合小農經驗與人工智慧將有助於提升玉米產量 　　此外，Saillog最近宣布推出一項新功能-AgrioShield警報系統，能夠通知農田附近地區發現的病蟲害，並且提出農民可採取的早期預防方式以減少後期的產量損失；目前AgrioShield已發送了蚜蟲、香蕉葉斑病和晚疫病等7種已知病蟲害感染的警報。雖然Agrio是免費程式，但使用Agrioshield需負擔每月2美元的成本，公司考慮未來將降低價格以提高使用普及率。

甜度、口感、質地、顏色、尺寸、品種、栽種者、栽種地、生長環境是否優良、如何催熟、運輸時間以及營養價值多少等，究竟怎樣的番茄才是消費者想要的?一篇公開在農業未來(Future of Agriculture)網站的評論文章中，作者提出了未來農業區塊鏈(Blockchain)可能的雛形。過去科學家們叫針對農產品本身進行改良，透過強化作物的遺傳特性以符合鮮食、烹調或加工需求；若農產品的生產能夠配合大數據及區域經濟模式之應用，將能為農業帶來新一波革命。 　　文章中以番茄為例，農夫可以透過不同感測器對作物生長狀況(如溫度、濕度、光照等)進行監測，資料輸入至雲端後能成為每一顆番茄的生產履歷；而餐館、零售商或蔬果供應商則將消費者採買數據連結到番茄種植數據庫，使農夫更能準確依品種、條件等市場需求種植，平衡供需關係。美國新創公司Ripe.io就是透過這樣的服務，收集特定種植者的生產數據，並分享訊息給餐館或消費者。 　　雖然一般的交換資訊只存在於訊息雙方，並不需要用到區塊鏈規模，但面對多方消費者及多方供應商的情況，區塊鏈應用優勢就會浮現，搭配自動化感測器將數據隨時上傳到雲端，也能減少生產者不斷紀錄的麻煩。 　　此外，作者於另一評論提到區塊鏈在農業的五個潛在角色： (1) 提高食品安全：提高供應鏈透明度，間接淘汰條件不良之供應商，也可以在發生食品安全事件時快速查明問題來源。 (2) 建立可追溯性：不論消費者於何處購買商品，均能了解商品來源與加工運輸過程，防止仿冒產品充斥市面。 (3) 降低交易成本：透過區塊鏈資訊的幫助，創建更透明和高效率的供應鏈，集中原來散落四方的貿易能量。 (4) 開放新市場：資訊透明化之後，就不需要額外評估各方的可信度和執行能力，也不需要中間人和額外的保證金，直接建立信任和責任制，有效打開陌生市場。 (5) 便利後勤調控：農產品的保質期通常很短，透過建立在區塊鏈上智慧物流系統，就能提供更有效率的運輸與分配貨品。【延伸閱讀】世界自然基金會推出區塊鏈平台-OpenSC以增進供應鏈透明度 　　然而，距離區塊鏈真正應用於農業區域經濟還有一段路要走，不僅需討論農場內部的優化流程及數據處理責任，還要取得明確的監管共識；此外，系統整合也需要花費的人力與物力，因此需要再經過更多的評估，審慎進行為宜。

近年來資訊技術發展快速，無論是資料收集、儲存與分析資訊的方式均有重大突破，目前全球98％以上的信息都是以數位格式儲存的，除了搭配網路及各項軟硬體開發應用，機器自學系統的培養也是另一個熱門的開發項目。而IT技術於農業及食品業中應用廣泛，包含環境監控、即時圖像、遠端操控等，隨著智慧管理的觀念逐漸普及，如何良好使用大數據與兼顧農民利益將是未來主要議題。 　　由28個生產商、國際集團、供應鏈公司、環保組織和環保組織兩黨組成的聯合會聯署寄信給美國參議院農業委員會主席Pat Roberts與眾議院議員Debbie Stabenow，希望他們支持2018年農業數據法案〈Agriculture Data Act of 2018 (S. 2487)〉。該法案將加強美國農業部對生產數據的管理，除了便於研究各項農業措施之影響，也能同時兼顧農民的隱私。【延伸閱讀】歐盟推動大數據技術整合幫助提升生物經濟價值 　　為了提高農業生產者的利潤、保護環境與降低生產風險，故須保障適當的數據收集、審查與分析行為。S. 2487指示美國農業部創設安全數據庫與保密程序，除保障現有資訊外也同時保護個別農場生產者的機密資訊，禁止出售個別生產者數據，以提高生產者自願提供農業數據的機會。此外，也推動優化各農業相關部門的橫向資訊互通，整合作物產量、土壤健康與保護措施等其他的外部數據來源，並允許研究者公開關於土壤健康，產量變化和風險之間的重要總數據，這些資訊也可作為學術研究、技術援助、未來經濟規劃等依據。

除了方便人為操縱的自動化機械以外，機器人開發也是現今智慧化農業中炙手可熱的項目。機器人能夠全自動或搭配人員採半自動執行，幫助節省勞力與時間，還能搭配大量數據收集與整合，幫助使用人員進行資訊歸納與提供有利情報。 　　由美國伊利諾大學(University of Illinois at Urbana-Champaign)團隊開發的TerraSentia crop phenotyping robot於3月14日在2018年能源創新高峰會的技術展示會上亮相，機器人能夠在作物之間自動行進，使用各式感測器與攝影機進行偵測，並將數據即時傳送至操作人員的手機或電腦，只要搭配相應的應用程序就能使操縱機器人。 　　研究人員表示，TerraSentia是一種具學習能力的機器人，透過良好的機器學習演算法，就能夠先教導機器人辨識常見的作物疾病與性狀測量，如植物高度、葉面積和族群量。經過多次學習後所收集的資訊會越趨正確，而自動化數據收集和分析能夠協助了解不同品種作物之間對環境條件所產生的反應，幫助農民改善育種和栽種條件。【延伸閱讀】透明且如鰻魚般柔軟的水下機器人 　　一般認為，高度智慧化的機械裝置通常因體型笨重，較適合大面積且單一化栽培之區域。然而TerraSentia結構較為輕便，重約10公斤，寬約33公分，方便運送到田間，也容易於植株間行進，可同時掌握操作上的精確度與高效率。此種機器人不但在美國具有使用潛力，在巴西、印度等農業發展中國家亦是如此；由於這些地區通常面臨更加惡劣或多變的氣候環境，因此由機器人幫助掌控個別植株的遺傳特殊性更有助於農民管理和挑選適合的植株，也能夠排除人為辨認上的主觀認定與差異性。 　　美國能源部高級研究計畫局的TERRA(Transportation Energy Resources from Renewable Agriculture)計畫為開發TerraSentia提供了310萬美元的資金。今年春季，幾家主要種子公司、研究機構與海外合作者將針對TerraSentia進行現場測試，預計三年內能夠提供給農民使用，其中部分型號的成本低於5,000美元。

日本的Okunota Winery酒廠利用資訊管理技術、感測器技術與網際網路的結合，減少葡萄酒產業的農藥使用。總裁Nakamura Masakazu相信改善田間微生物環境有助於生產優質葡萄酒，因此自1998年開始葡萄種植以來，公司致力於保護土壤中的環境，透過將葡萄藤靠近在一起，迫使植根深根，並且使用不施肥、減少耕作的方法，將雜草留在田中以豐富微生物的生態環境。2010年Nakamura將部分農場借給富士通的員工，該公司建議將天氣感測器系統使用於田間，此系統以10分鐘的間隔自動收集並儲存有關溫度、濕度、日照和其他環境數據；因此Nakamura產生把這些數據用於監控葡萄酒生產過程的想法。 　　種植葡萄的過程中，需要使用殺真菌劑以減少葡萄真菌病害的發生；但以往農民無法確切掌握疾病大量爆發的時機，需要連續噴灑較高劑量的農藥以減少病原族群量。其實真菌在孢子發芽階段最為脆弱，透過數據收集與整理，施藥期間就可集中於少數幾天，濃度也能降低；因為農藥對環境的影響縮小，使得田間微生物更為活躍，收成後製作成葡萄酒的風味也更佳。 　　此外，由於葡萄酒是從葡萄汁釀造，80％的味道取決於水果的質量，因此自然環境的變化也成為造就葡萄酒風味的主要因素之一。日本也持續生產具有鮮明地方特色的葡萄酒，目前全國擁有超過250家酒廠，隨著用於種植葡萄的土地面積不斷擴大，開發商也逐漸投入為特定海拔、溫度和土壤的土地提供理想的葡萄品種。 　　長野縣東部千曲河(Chikuma)流域的農民也開始使用IT (Information Technology)管理田間，許多新葡萄酒廠和農民在Ueda、Tomi和其他地區等10個地點設置感測器，每小時測量6次溫度、濕度、日照和降水量，農民則輸入葡萄的各生長階段和蟲害控制記錄，研究人員再收集成熟的葡萄分析成分，並對所有數據進行分析，找出生長預測與最佳收穫時間。【延伸閱讀】以大數據解決全球植物問題之時機已成熟 　　為了使農民更易於自行輸入成長記錄，系統正在進行介面調整與測試，希望最後能讓農民在田間單手使用。Chikuma酒谷數據中心的研究員Kameyama Naoki解釋，此計畫是收集建立品質標準的數據，以便統一葡萄酒品質，推出具地區特色的品牌。收集數據也能作為教學工具，促使農民們分享、交換經驗，有助於地區的發展與繁榮。

隨著科技演變，農業生產不再是單靠傳統的經驗傳承進行，隨著各項感測器的發明，前人所留下的古老智慧都將轉變為一條條可靠的資訊，搭配電腦運算與統計就能幫助農民進行科學化的管理，即時了解環境狀況以便實施改善方法，維持良好的產品品質。另一方面，自動化的感測器技術會加強天氣與土地等各種數據的收集，透過物聯網技術與應用程式開發，幫助相關農產業了解如何量化與精確化培養條件，就能降低生產技術門檻與研究時間。 　　日本軟銀集團旗下的公司PS Solutions於2015年開發了一款帶有人工智慧功能的小型農業感測器e-Kakashi。目前有大約300台e-Kakashi正在田間使用，這款感測器的外形美觀且安裝方便，不僅能記錄關於空氣和地面溫度、日照和累積溫度的數據，還能告訴農民這些數據的含義：例如，它會發送一條消息，指出日常溫度的累計總量已達到稻米準備收穫的程度。 　　e-Kakashi最大的優勢在於將專家分析的數據與豐富的農民經驗結合，透過多部感測器能找出區域內的環境差異，非常適合運用在葡萄園管理。e-Kakashi已在長野的葡萄園使用，用來幫助統一葡萄品質以釀造葡萄酒之用；此外，經由感測器收集當地風土環境的大數據，也有助於建立葡萄酒的品牌特性。【延伸閱讀】鑲嵌在葉片中的碳奈米管可檢測植物受傷時產生的化學訊號 　　目前處理大數據的挑戰在於分析、儲存、隱私加密、可視化、資訊共享以及關鍵字搜尋的精準度，如何適切地使用這些資訊並準確預測成果或是進行風險評估，是未來需要持續努力的目標。

自主水下載具（Autonomous Underwater Vehicle，AUV）是一種無人水下載具，外型多半類似小型潛艇或魚雷，根據不同需求搭配探測器，可幫助人類進行長期性、例行性的水下檢查或深海探勘。無人水下載具研發需要結合多種領域，包含材料創新、感測器、巡航及定位技術等，隨著機器人技術發展日新月異，無人水下載具逐漸朝向外觀自然且自動化方向進行。 　　美國麻省理工學院(Massachusetts Institute of Technology)計算機科學與人工智能實驗室（Computer Science and Artificial Intelligence Laboratory，CSAIL）打造了一隻18英寸長單眼機器魚-SoFi，外殼由軟矽膠、柔性塑料和3D列印的元件組裝而成，而尾部則搭配液壓系統與精密感測器，使其能如同真實魚類般左右擺動。 　　傳統的無人水下載具通常體積較大，且馬達運轉所產生之噪音常影響海中生物，而SoFi構造則更為輕巧，包覆電子零件的頭部含有少量嬰兒油，幫助抵抗水壓，且感測器配置與柔軟的外殼使其在水中移動時可減少對珊瑚礁的撞擊；此外馬達噪音則盡量降低到不影響周圍生物，通訊系統使用30,000-36,000 Hz的超音波發送，以減少環境干擾，「魚翅」及浮力裝置的調整也可使得水中移動更為順暢。【延伸閱讀】邁向商業生產的花椰菜採收機器人 　　SoFi的開發展示了絕佳的防水、動力、材料的技術成就，不但能靈活地泳動、轉彎與潛水，還能搭配防水的Super Nintendo控制器使用，是第一隻能在三維空間中長時間自由活動的機器魚。在最近的斐濟彩虹礁的潛水測試中，SoFi的游泳深度超過50英尺，時間長達40分鐘。未來，該團隊打算讓SoFi更加智慧化，使工作人員在沒有潛水員的情況下也能做出決策，最終希望將該技術提供給其他生物學家，幫助收集海洋生物和氣候變化的相關數據。 　　相關研究發表於〈Science Robotics〉。

過去數百年來，工業革命帶動人類生活與科技的快速發展，開採與使用的石化能源也導致溫室氣體大量排放，使得全球氣候變遷逐漸加速，而再生性極低的石化能源也正逐漸枯竭中。為解決此一困境，各國政府與科學家正努力尋找減少溫室氣體排放與氣候變化的方法，其中一種令人矚目的方向是生物燃料的開發。 　　近年來，利用玉米或大豆所生產的生物燃料已成為機器動力或燃料的來源之一，這種以糧食作物為原料轉化的「第一代生物燃料」在種植此類作物時會壓縮其糧食用途，因此部分地區則利用非糧食作物或廢棄物的纖維素為原料進行轉化，是為「第二代生物燃料」。其中美國科羅拉多州立大學(Colorado State University，CSU)則開發柳枝稷(switchgrass)作為新的原料。柳枝稷是北美洲原生的多年生草本植物，具有容易繁殖、草梗粗壯、根系深、環境適應性強等特點；相較於種植玉米，柳枝稷所花費肥料與灌溉成本更少，故具有做為生物燃料的絕佳潛力。 　　研究團隊利用一種稱為「DayCent」的生態系統建模工具進行模擬，此系統可通過追蹤農業系統中的氣候狀況、土壤因子、植披覆蓋等因素推測碳循環與氮循環之狀況，幫助科學家評估某地區生產某植物的可行性。透過DayCent模擬堪薩斯州西南部商業化種植柳枝稷的狀況，並量化相關燃料生產成本和溫室氣體排放量，顯示種植柳枝稷進行生產會比美國再生燃料之標準少22 g CO2 e MJ−1。【延伸閱讀】新型技術以3D虛擬模型建構禾本科花朵結構 　　綜上所述，柳枝稷非常適合做為第二代生物燃料來源，且生產所製造的碳足跡更低。此外，以前對纖維素生物燃料的碳足跡研究集中在生產農場和製造工廠之間的距離；然而經CSU分析發現，生產植物的地點和生產方式對於碳足跡計算也是極為重要的部分。相關研究發表於<Nature Energy>