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

美國普渡應用研究機構的農業食品系統數位創新實驗室 (DIAL Ventures) 研究團隊，針對農業食品產業在面對氣候變遷挑戰時可採取的策略進行了深入分析。主要目的是為農業食品產業提供一份應對氣候變遷相關挑戰的路線圖，並為該產業的利害關係者提供永續發展的機會。該分析報告強調，透過跨價值鏈利害關係者的協作，可以提升產業的氣候韌性，並適應氣候智慧型農業的發展需求。報告提出了具體的行動方案，涵蓋農業投入品製造、投入品分銷、農業生產、加工與處理、食品製造以及支援服務與產品等六個主要環節，旨在幫助農業食品產業應對氣候變遷帶來的影響，並發掘永續發展的機會。報告旨在強調在整個農業食品價值鏈中建立氣候韌性的重要性，並找出透過數據驅動的決策和創新方法，來提高資源利用效率和減少溫室氣體排放的具體途徑。 　　研究發現氣候變遷對糧食生產和供應鏈造成了重大挑戰，因此需要關注特定的氣候挑戰，報告發現，提高資源利用效率、建立數據驅動的決策文化、政策協調和財政支持，是實現氣候智慧型農業的關鍵要素。報告還列出了農業食品價值鏈中六個主要環節可利用的機會，包含開發氣候韌性種子、採用永續肥料、改善土壤健康、減少浪費以及開發永續產品等。 　　此項研究由普渡大學在2025年2月發表，為農業食品產業提供了一份全面的指南，幫助該產業應對氣候變遷的影響，並實現永續發展的目標。報告強調了協作的重要性，並提出了具體的行動方案，可供各個利害關係者參考。此外，還強調了數據驅動決策和創新的作用，鼓勵農業食品產業採用更具韌性和永續性的做法。 【延伸閱讀】- 日本推動食品科技產業主要願景與目標

不少民眾喜歡喝茶，很多人不知道台灣原始森林中的「台灣山茶」，是唯一可製成茶飲的原生植物，綜合獨特松露香、柑橘香與花香，具更好的抗氧化能力，農業部林試所正全力推廣。 　　林業試驗所今天舉行記者會，介紹屬於台灣原生物種、也是唯一可以製成茶飲的台灣山茶。 　　林試所說，民國110年農業部林業及自然資源保育署公告台灣山茶為林下經濟的品項，也是目前推廣最成功的品項；在高雄六龜、桃源區，台灣山茶是原住民與當地林農最重要的經濟作物之一。為尋找原生台灣山茶的分布，林試所與農業部茶及飲料作物改良場合作，於113至114年在中南部山林採集26處山頭的野生山茶族群，其中不乏多處有百年以上的山茶老樹。 　　林試所說，經過2年調查，台灣野生山茶分布於南投、嘉義、高雄、屏東及台東中低海拔的森林，生長在偏酸性（Ph4.0至5.0間）富含有機質的土壤中。為推廣台灣山茶，林試所與茶改場挑選出208棵優良母樹，展開一系列種原保存的工作，也利用現代科學基因分子技術，分析台灣山茶的遺傳變異，希望為後續山茶保種與飲料作物育種奠定基礎。 　　林試所為推廣具特色的台灣山茶，也和茶改場進行野生山茶製茶與風味評鑑，透過專家鑑定，發現台灣山茶具有獨特的松露香、柑橘香與花香，並有更好抗氧化能力。 　　林試所說，台灣野生山茶風味獨特，比烏龍茶、阿薩姆茶更具台灣風味特色。林試所將建立台灣野生山茶種原保存試驗園區，提供優良的品種供林農或有意願栽培者種植。 【延伸閱讀】- 茶改場用破壁速萃技術 強化國產茶飲原料競爭力

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

隨著全球人口增長、收入上升及飲食偏好的變化，對於畜牧產品的需求日益增加，這突顯了智能畜牧技術的必要性。預計到 2050 年全球對動物產品的需求將大幅增加，智慧畜牧技術對於提高效率、動物福利和環境永續性至關重要。 　　研究團隊對來自牛、豬和家禽產業的10位專家進行了訪談，這些專家包括研究人員、銷售人員和技術開發者。訪談內容涵蓋20個影響智能畜牧技術採用的因素，這些因素經過範疇回顧後被確定，並涉及農民的背景、對智慧技術的認識、對新產品的開放性、對技術效益及易用性的看法、財務資源以及農業方法等方面。 　　研究發現小規模農業社區的緊密性顯著影響了農民的決策。可信賴的社區成員的意見和經驗對農民有很大影響。如果技術供應商或同業分享正面的使用經驗，其他農民更可能採用這些技術。此外，年輕農民對新技術的接受度高於年長農民，顯示出代際之間的差異。 　　此項研究發表在2024年9月《echnological Forecasting & Social Change》期刊，此項研究貢獻在於揭示了智慧畜牧技術採用是一個複雜的逐步過程，各階段受到農場內部、社會技術及環境層面的多種因素影響，包括政府政策和動物福利。研究建議三種促進智慧技術採用的方法：制定有利於農民採用智慧技術的政策；幫助農民了解智慧技術的好處並鼓勵他們分享正面經驗；提供專門培訓以展示智慧技術如何提高工作效率。 【延伸閱讀】- 打造亞洲專屬智慧牧場解方

糧食系統是地球上最重要的溫室氣體排放源之一，因此減少該碳排放成為世界各地政策制定者的優先事項。農田碳封存是指農場土壤和植物捕獲和儲存大氣中CO₂的過程。研究主要目的是評估新型農業碳封存選項及其在經濟模型中的動態，並分析這些選項對氣候變化緩解的潛在影響，希望填補目前碳封存技術在綜合評估模型中的空白，以便更好地理解其系統性影響。 　　研究團隊採用經濟土地使用模型（Global Biosphere Management Model, GLOBIOM），並結合了新型的農業碳封存選項，以評估這些選項的經濟影響及其在當前氣候條件下的成本效益。研究中考慮了三種農業碳封存措施：土壤碳增強、在農田施用生物炭以及擴展樹木牧場系統。先使用GLOBIOM模型，並與森林模型（Global Forest Model, G4M）連結，設計了不同的情境，並進行了敏感性分析以測試不同參數對結果的影響，還收集了與農業碳封存相關的社會經濟和生物物理情境驅動因素，以分析其對成本效益的影響 　　研究發現到2050年，農業土地上的碳封存選項有潛力每年減少最多2.8億噸二氧化碳當量（GtCO₂e）。其中，39%來自於改善作物和草地管理以增強土壤碳，35%來自於施用生物炭，26%來自於轉變為樹木牧場系統。撒哈拉以南非洲被預測擁有最大的成本效益碳封存潛力，其次是拉丁美洲。全球73%的成本效益潛力位於全球南方，而27%位於北方。若採用這些農業碳封存選項，全球可望在2050年前實現淨零排放，並可為生產者帶來高達3750億美元的額外收入。 　　此項研究發表在2024年9月《Nature Food》期刊，此項研究貢獻在於強調了農業碳封存的重要性，不僅能促進氣候變化緩解，還能提高農業生產力和抵禦氣候變遷的能力。為了實現這些潛力，需要建立強有力的機構和監測系統，以確保農民正確採用這些做法並獲得公平報酬。此外，研究指出，儘管存在巨大的減排潛力，但主要集中於全球南方，因此需要克服結構性、制度性或社會性障礙，以便為氣候穩定努力作出實質貢獻。 【延伸閱讀】- 建立氣候適應農業糧食系統：CRISP工具幫助專案調適氣候變遷

監測畜牧業設施中的空氣品質對於確保動物和工人的健康至關重要。由於畜牧業會排放各種氣態和顆粒污染物，因此迫切需要先進的空氣品質監測系統來有效管理和減輕這些排放。 　　保加利亞科學院研究團隊開發系統由多種MQ系列氣體感測器組成，通過I2C接口連接到NodeMCU進行數據處理。使用Raspberry Pi進行本地數據收集和處理，並將數據儲存在SQL伺服器中，支持雲端以便遠程監控。每個感測器經過嚴格的校準和驗證，以確保數據的準確性和可靠性。 　　研究發現在監測期間內，PM2.5和PM10的平均濃度分別為6.18 µg/m³和13.45 µg/m³。總揮發性有機化合物(TVOC)和CO₂濃度顯示出明顯波動，可能與動物排泄物或清潔劑有關。CO₂和氨氣濃度顯示出逐漸上升的趨勢，而硫化氫則有輕微下降的趨勢，強調了持續監控的重要性。 　　此項研究發表在2024年9月MDPI《Recent Advances in Precision Farming and Digital Agriculture》特刊，此項研究貢獻在於提供了一個可擴展且經濟實惠的解決方案，以改善畜牧業中的空氣品質監測。透過即時數據收集和分析，該系統不僅提升了動物福利，也為農場管理者提供了有價值的環境數據，有助於做出更明智的管理決策。 【延伸閱讀】- AI 工具協助英國畜牧業者監測溫室氣體排放量

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

花生、馬鈴薯、紅薯等種植者，經常面臨到估計最佳收穫期間以及作物品質與產量的挑戰，由於此類地下作物通常只能等到收穫期間，或者直接由土內將整株拔出才能確定其生長狀況與成熟度，此種預估方式也經常造成不必要的碳排放，作物灌溉部分也經常因為土壤與天氣狀況造成水資源的浪費。因此，此種預估與灌溉方式也影響到作物生長效率，進而影響整體產量以及製造多餘的資源消耗。 　　研究團隊利用衛星及無人機等遙測技術，拍攝作物在可見光與不可見光波段的反射影像建立模型，以人工智慧分析作物葉片的反射率，計算與估計地下作物成熟度以及產量。針對灌溉部分，開發出一種嵌入式的微型雷達系統，以不同頻段的電波與土壤交互作用估算土壤中的水分以及預測產量與最佳收穫時間。 　　研究透過實證發現該類模型在地下作物或者甘蔗之中，不論是遙測技術、微型雷達系統及人工智慧對於作物的成熟度以及土壤水分含量的預測準確率都可超過90%，同時精準預估土壤水分與作物健康情形藉以避免傳統開挖觀察與水資源浪費。 　　此項研究發表在2024年12月《phys.org》科學與技術新聞網，研究貢獻在於開發全新型態的遠端監測系統，透過精準判讀與精準預估達到作物生產情形與產量預估，改善傳統觀測模式以及水資源浪費，同時也提供其他國家，例如歐洲DATI研究參考作法與實際應用，特別是針對該研究關注之地中海地區的穀物作物與牧場改善其用水情形，此外也為全球作物產量預估與灌溉用水評估提供新的模式與方法，進而有效促進數位科技應用於農業、環境保護等議題。 【延伸閱讀】- 藉由遙測技術及氣象資訊，有助於畜牧業者更有效率的放牧策略

傳統針對小麥穗計數及疾病檢測大多仰賴人工觀察與統計，經常受到主觀意識所影響，致使準確度與效率不佳，現今雖有深度學習模型提供協助，但仍受到田間生長複雜背景因素或生長密集區域影響，使得其準確度仍受考驗，而疾病影像資料的不完全以及影像品質參差不齊也使得檢測有所難度。 　　研究團隊為了改善上述情形提出以機率密度注意力為機制的深度學習模型來加強小麥穗計數與疾病檢測，以機率密度模型解決小麥穗生長間的遮擋問題以及優化模型關注區域，另外開發專屬於農業影像處理的密度損失函數以及使用Transformer 架構分別針對病灶感知以及影像判讀與捕捉之功能，同時搜覽多種植物疾病影像、田調資料、小麥穗資料、資料處理技術作為訓練元素，並且與YOLOv8、YOLOv9、Tiny-Segformer、DETR和WheatNet 等模型進行比較。 　　研究發現由機率密度注意力機制的模型在疾病檢測之精確度(precision) 0.93、召回率(recall) 0.89、準確率(accuracy) 0.91、mAP 0.90；小麥穗技術部分精確度則是0.91、召回率0.88、準確度0.90、mAP 0.90，而其密度損失函數在高密度區域之檢測準確率也優於傳統損失函數，亦即以密度注意力為機制的模型不論在何種任務都優於傳統檢測模型。 　　此項研究發表在2024年12月《The Future of Artificial Intelligence and Sensor Systems in Agriculture》特刊，研究貢獻在於提出新的模型來檢測小麥穗計數以及疾病檢測，並且能有效處理複雜的生長背景因素以及密集區域的特徵萃取，大幅降低誤判以及仰賴傳統人工觀測判斷所需之人力成本，為精準農業發展提供新的策略與工具應用。 【延伸閱讀】-利用自動化AI模型加速水果偵測及辨識

傳統除草藥劑噴灑方式經常導致化學藥品使用過度以及成本增加，進而導致環境汙染及除草效率不佳，因此需要探尋新的除草方式與技術藉以降低環境負擔、除草效率與成本管控。 　　研究團隊將技術應用於超過100萬英畝的玉米、大豆、棉花農地，並且透過線上研討會蒐集農民使用回饋、使用雜草壓力圖與覆蓋範圍資料，藉以分析管理雜草分布情形，最後取得改善資訊，持續修正技術應用。 　　研究發現提出相關觀點，包含實務經驗與技術應用效益。首先，該技術節省農民使用化學藥品，預估可達800萬加侖，大幅降低藥品使用以及農民生產成本；使用正確噴嘴及專屬噴嘴與後傾設計加上感測器精準掌握雜草生長範圍進行噴灑，提高用藥效率；營運中心提供田間分析相關圖資、數據以及與農民合作管理雜草分布；減少耕作、適當保留作物殘留物及使用覆蓋作物，有助於減少藥劑使用，結合農民噴灑前快速檢查與清潔感測器，減少噴灑誤差，若噴嘴有異常時系統亦會主動告知；系統靈敏度、車速、噴感高度都應適時調整與保持定速，以免過度噴灑、劑量不足以及噴桿高度異常與車速過快導致噴灑效果不佳。 　　此項文章發表在2024年12月《TAgWeb》新聞中，See & Spray 技術應用提供農民思考未來噴灑策略以及推動目標式噴灑而非定點噴灑，除此之外也能降低除草劑成本與用量，雖然目前僅應用於玉米、大豆、棉花等作物，但John Deere公司仍持續開發與優化技術應用，未來將推廣至更多作物，同時減少環境污染，促進友善農業的發展。 【延伸閱讀】- Sentera 採用See & Spray替代方案進行精確雜草管理

傳統農業常因過度施肥導致土壤退化與碳排放，而內生真菌的應用目標是建立「共生循環」：植物透過光合作用固定大氣中的碳，再經由根部分泌物將碳輸送至土壤，同時微生物協助植物吸收養分與水分。此機制若能規模化，將為碳農業（Carbon Farming）開創新途徑。 　　澳洲昆士蘭大學與農業生物技術公司Loam Bio合作的研究團隊在田間試驗中將接種內生真菌的大豆種子與未處理的對照組比較，測量土壤有機質含量、作物產量及碳流動路徑，並透過同位素追蹤技術分析碳在植物與土壤間的分配，後進一步探討接種後土壤碳的穩定性和長期儲存潛力，以評估技術的商業化可行性。 　　研究發現接種內生真菌的大豆田區土壤有機碳含量顯著提升，同時作物產量增加。微生物活動促使更多碳從空氣流向土壤，而非停留於植物體內，這使得碳封存效果更持久。此外，土壤結構改善後，化肥使用量可減少，而產量仍維持相同水準。研究也發現，接種技術對極端氣候的緩衝效果值得進一步探索。 　　此項研究發表在2025年4月《Scientific Reports》雜誌，研究貢獻在於為「碳智慧農業」提供了科學實證，證明微生物技術能同時達成生產力提升與環境修復。若廣泛應用，該技術可降低農業碳排放，並將農田轉化為有效的碳匯。此外，減少化肥依賴有助緩解水體優養化問題，而健康的土壤生態系更能增強農地對乾旱或暴雨的耐受性。此成果為全球推動再生農業提供了關鍵性的技術選項。 【延伸閱讀】- 來自土壤真菌之天然產物有望取代化學殺蟲劑

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

非洲雖擁有全球85%的畜禽飼養者，但其肉類與乳製品產量僅占全球2.8%，凸顯提升生產效率與畜牧業永續轉型的重要性。由國際畜牧研究機構與學術單位包含國際畜牧研究所（International Livestock Research Institute）以及熱帶家畜遺傳與健康中心（CTLGH）等單位共同合作的研究團隊，透過非洲動物育種網路（AABNet）平台提供培訓、技術支援與數據分析，促進區域性育種計畫的協調與創新，並探討如何透過基因技術與協作機制，推動非洲畜牧業的轉型。 研究團隊以AABNet為核心架構，建立跨國基因評估系統，收集並分析動物遺傳數據，以識別耐熱、抗病與高產的性狀。AABNet整合基因組科技、育種計畫與跨國數據共享，旨在培育更具生產力且適應氣候變遷的動物品種，同時強化糧食安全與農村生計。團隊運用基因組選育技術（Genomic Selection），結合數位工具與資通訊科技（ICT），開發標準化的數據平台，技術包括高通量基因定序、基因組關聯分析（GWAS）與雲端數據管理系統。AABNet利用這些工具，建立非洲本土畜禽的遺傳資料庫，並透過機器學習模型預測不同環境條件下的最佳育種方案。此外，數位化評估工具（Digital Evaluation Tools）可協助育種者快速篩選優良性狀，而行動應用程式則提供即時建議，使偏遠地區農民也能獲取科學化指導。 　　研究發現非洲畜牧業的生產力落差主要源於遺傳潛力未充分開發。例如，撒哈拉以南非洲的畜禽飼養者雖占全球85%，但產量貢獻極低，突顯基因改良的迫切性。透過AABNet的介入，初步數據證實整合氣候調適性狀的育種策略，可提升畜禽存活率與產肉/產乳效率達30%以上。此外，協作網路成功縮短了育種週期，並降低技術門檻，使小規模農戶能直接受益於先進基因科技。 　　此項研究發表在2025年2月《Nature Genetics》期刊，為非洲畜牧業提供了一套可擴展的永續發展模式。AABNet不僅強化區域內遺傳資源的利用效率，更推動「氣候智慧型畜牧」的實踐，減少畜牧系統的環境足跡。此外，透過培育本土專業人才與創新企業，該研究為非洲打造了自主的科技生態系，減少對外部技術的依賴。 【延伸閱讀】- 打造亞洲專屬智慧牧場解方