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

隨著酪農逐漸減少，為了維持穩定的供應量，業者將重點聚焦於提高乳牛的生產效率，因此，牛隻的健康管理尤為重要，若能及早發現異常、迅速診斷、防止疾病傳播、保持適當繁殖周期等，將有助於穩定生乳的生產。現行的健康監測設備及系統中，以非接觸及侵入型設備效果較佳，此類設備對乳牛造成的壓力較小且無須其他配件，更適合應用於酪農場的日常管理。近期，由日本東京理科大學(Tokyo University of Science)研究團隊開發一新興方法，利用多個攝影機系統追蹤牛舍內乳牛位置訊息，並對其行為及運動模式進行分析，藉此預測與判斷牛隻健康問題。 　　以往的研究中，大多由單一攝影機追蹤固定的牛隻，當牛隻離開監控範圍則無法紀錄，部分研究延伸至跨攝影機追蹤，然而僅限於2-3台攝影機，對於牛舍覆蓋率有限。本研究中開發一系統，能利用攝影機視角重疊的影像進行運算，並針對牛隻移動、靜止或是躺下等不同姿勢及情況調整參數，達到精準追蹤乳牛行為且準確率達90%，與依賴影像特徵的方法相比，追蹤性能提升50%，相關文獻發表於Computers and Electronics in Agriculture期刊。 　　此研究實現了跨攝影機的全方位監測，未來團隊計畫將攝影機校正過程自動化，以加速實際安裝作業，並利用收集之牛隻移動模式進行分類、辨識，期望能增強系統對於疾病及健康問題的辨識能力，協助農民更有效地監測和管理牛群的健康情況。 【延伸閱讀】- 研究發現，大多數肉乳雜交小牛比純種乳牛體質更強壯

乳品需求在亞洲快速成長，但臺灣酪農業卻面臨勞動力老化、氣候變遷與進口低價乳衝擊等壓力。為突破瓶頸，工研院攜手國內產業鏈打造智慧畜牧解方，從自動化清糞、健康監控到精準餵飼，落實低成本、模組化、在地化的科技方案，為臺灣酪農打造通往亞洲市場的捷徑。 　　根據國際乳業聯合會資料，全球乳製品供應近年穩定成長，未加工牛奶產量在2022年增加1.1%，2023年再增2.1%，其中又以亞洲地區成長幅度最大。 　　工研院產業科技國際策略發展所資深研究員詹睿然指出，乳品需求上升與經濟成長、飲食習慣的改變密切相關，以越南為例，中產階級擴大，加上政府推動學校牛奶計畫與乳品大廠發起牛奶基金，成功培養兒童飲用牛奶的習慣；泰國市場也因都市化、便利飲食與健康意識抬頭，帶動乳品消費增長。臺灣乳品自給率高，但2025年起紐西蘭液態乳將免關稅進口，勢將衝擊本地酪農業的競爭力，需從成本管控、擴大產能與效率來因應。 智慧化系統解放酪農勞動力 　　面對挑戰，工研院中分院副執行長李士畦認為，關鍵不在於擴增牛隻數量，而應聚焦於單位產能的提升。根據2022年資料，臺灣共有562戶酪農，飼養乳牛總數約23.4萬頭，85%以上為擁有2、300頭乳牛的小型牧場，整體從業人力僅約2,810人，每人每天要照顧25到45頭牛，加上高齡化與人力斷層，對智慧科技輔助的需求日益迫切。 　　酪農每天工時超過12小時且全年無休，從清掃畜舍、準備飼料、餵食、集乳、健康檢查、照顧臨產母牛，加上乳牛愛乾淨，若畜舍環境不潔就易生病，因此每日需清掃2次，高強度的勞動不僅造成沉重的人力負擔，也是產業升級的最大障礙。除了人力問題，臺灣中南部高溫氣候易使牛隻出現熱緊迫，沒胃口、吃不下，直接影響產乳量。 　　面對人力、氣候與環境等多重壓力，經濟部與農業部跨部會合作，將科技導入臺灣農業，以「科技農工」打造智慧化牧場，為本土牧場加值。李士畦指出，導入智慧化牧場必須針對「勞力替代」、「健康監控」、「飼料管理」與「環境巡檢」等4個痛點著手，才能為牧場找到解方。 國產設備價格實惠　飼餵更精準節能 　　首先，在勞力替代上，臺灣已有牧場導入自動清糞設備。然而進口系統價格高昂、維修不易，且需配合設備改良畜舍，推廣上有不少限制。為此，工研院攜手國內廠商開發本土化、模組化的自動設備，貼近在地需求，不僅成本僅為進口品的7至8成，農業部還可提供最高5成的電動化補助，減輕牧場負擔。 　　以清糞機器人為例，國外品牌約新臺幣100至150萬元，國產設備僅需80萬至100萬元，扣除補助後實際負擔約在40至50萬元之間，大幅降低採購門檻。此外，智慧化設備可節省約30%的用水量，減少畜牧廢水排放，加上每天可節省約4小時人力，省愈多就愈能提高獲利。 　　其次，針對健康監控需求，由於乳牛天性敏感，環境稍有變化便可能影響泌乳。過去酪農多靠經驗觀察牛隻的姿態與叫聲，判斷是否生病或即將分娩。但人力判讀既主觀又難以傳承，也無法及時掌握病牛狀況，甚至需在深夜守候分娩，耗費人力與時間。 　　工研院導入聲音與影像辨識技術，透過蒐集乳牛分娩前的叫聲變化，系統可即時偵測並發出警示，辨識率已達8成，甚至能辨別牛隻的情緒狀態；另外，透過影像可分析牛隻步態與背部曲線，一旦發現健康出問題就能及早治療，這套系統不僅應用於酪農，也逐漸拓展至肉羊、肉牛與種牛業者。 　　精準飼料管理也是智慧牧場控管成本的重點，同時直接影響牛隻健康與產乳表現。「有些牧場仍習慣一次餵足，不僅造成浪費，也會影響動物健康。」李士畦指出，智慧餵飼系統可根據個體狀況進行調整，依據牛隻的食量、成長狀況與健康指數自動調配專屬的飼料，避免過量餵食造成飼料剩餘、腐敗，進而引發蟲鼠孳生、環境惡化，甚至增加排泄量、提高清潔成本。而且依據畜牧專家的建議，傳統「1日2餐」改為「少量多餐」的餵飼模式，有助提升乳量，若是人力餵飼難以做到多次餵飼，透過智慧系統可讓牧場管理更節能、更精準。 進口設備未必適合臺灣飼育條件 　　在環境巡檢與行為監控方面，由於牧場幅員廣大、畜舍建築物多，難以實施全天候監控。透過非侵入式影像感測技術，可即時追蹤牛隻的活動量、躺臥時間與互動行為，當發現牛隻活動異常、長時間臥地不動，系統會自動發出警示，協助及早察覺異狀、減少損失。 　　工研院開發的「乳牛3D體態辨識系統」，利用在畜舍內設置的非侵入式3D影像感測設備，當乳牛通過感測通道時，系統便自動掃描體長、體寬、體高與體表面積，猶如為牛隻進行數位化「體檢」，系統結合AI分析與專家經驗，能有效排除花色、背景與環境的干擾。工研院智慧感測與系統科技中心副組長戴崇禮表示，以飼養超過300頭乳牛的中型牧場為例，過去須安排1至2人每日巡檢，導入系統後，配合無線射頻標籤（RFID）技術，每頭牛在經過擠乳通道時就完成體態監測了。這項技術已在臺南柳營桂芳牧場、彰化八老爺等地進行實地應用。 　　早期輔導畜牧業走向智慧化，多以「解決眼前問題」為主，缺乏設備便從國外引進。隨著牧場導入智慧化設備與管理已成產業趨勢，即便國外已有成熟設備可進口，但因臺灣的酪農養殖模式與地廣人稀的紐澳地區大不相同，紐澳多採放牧，而臺灣多以設施型畜舍為主，與土地面積較小的亞洲國家情況相近，直接進口國外的智慧化與自動化設備，未必適合臺灣特有的飼養條件。　 自動、平價、快修　拓亞洲市場 　　李士畦以自動餵飼車為例說明，「許多進口設備專為大型牧場設計，進價較高、即時維護支援，甚至於地面需鋪設特定材質都會成為應用上的負擔，加上設備大，應用在餵飼走道狹窄的畜舍就會相對困難。對此，工研院攜手國內業者開發出符合在地需求的自動餵飼系統，能適應混凝土與橡膠墊層等不同材質地面，底盤還可360度原地旋轉，在狹窄空間中依然靈活運作。　 　　為滿足國內牧場需求，工研院打造「智慧畜牧作業生態系」，聚焦於自動化、平價化與快速維修服務三大價值主張，並攜手國內感測器、控制器、車體設計業者與系統整合商，共同開發可模組化、具彈性選配的智慧化解方。「好比是農業版的特斯拉選配系統，牧場主人可依需求選配，挑選自己想導入的模組」。　 　　臺灣在智慧電動化的機構設計、馬達、通訊模組與AI晶片演算法等核心零組件領域具備世界級實力，特別適合應用於中小型智慧農機的開發與系統整合。但李士畦也強調，畜牧機器人與工業或服務機器人大不同，工業或服務機器人通常在較為平坦或清潔的工廠或餐廳作業，而畜牧場工作條件差異大，各種粉塵或高濃度硫化物容易造成機器故障，畜舍動線也相對複雜，設備操作或自走安全性也需要符合動物福利法規。 　　因此必須從控制核心封裝、環境感知、結構設計、控制邏輯到與動物互動等方面重新加強設計。國外品牌大廠用規格品為中小型牧場調整機器設計是相對困難的，這正是值得臺灣廠商把握的機會，開發出符合亞洲畜舍環境的智慧化、電動化設備。 　　此外，畜牧場的人力需求大，有時是臨時派遣工、外籍移工或是高齡長者，智慧化設備操作必須容易上手。李士畦分享日前在彰化的推廣活動上，一位從未接觸過農機具的年輕女孩學習如何操作設備，不到幾分鐘便能獨立運作，證明操作介面友善直覺，「這部分也是我們的軟硬體花心思的地方。」 　　從單點示範到全面推廣、從硬體設備到全方位服務，工研院團隊逐步勾勒出臺灣智慧牧場的生態藍圖，協助科技走進農場、走進畜舍，做到貼近土地、貼近人與動物的需求，讓臺灣特有的牧場飼育型態，站上智慧農業的國際舞台，進而以創新開拓亞洲乳品市場新契機。 【延伸閱讀】- 鼓勵農民採用智慧農業新技術的三大建議

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

面對全球人口成長與氣候變遷的雙重挑戰，糧食生產的永續性成為關鍵議題。農業社會責任（ASR）因此應運而生，主張農業在追求經濟效益的同時，也需兼顧環境保護與社會福祉，達成永續發展。ASR的重要性在於它將企業社會責任（CSR）的經濟、環境、社會三大面向融入農業領域，這不僅有助於提升農產品品質、穩定農民收入，更能透過技術創新促進農業附加價值的發展，對社會有所回饋。然而，ASR推動仍面臨阻礙：傳統農業政策聚焦個別農民；然而，農民相關組織－農會成員雖多已實踐部分社會責任，但對ASR理念理解不足，貢獻也常未被有效傳遞。 　　在應用層面，歐盟、日本與台灣各自展現不同特色。歐盟透過CAP 2023–2027年推行生態政策與青年農業投入；日本農業法人協會聚焦營運透明、環境保護、地方參與等五大CSR原則；台灣農會雖無明文ASR規範，但在金融科技、農民福祉、人才培育與農村服務方面逐步導入CSR精神。三者比較，歐盟政策最完整，日本重企業責任與創新，台灣則強調農村福祉與永續。 　　本研究借鏡歐盟ESE指標，融合在地觀點，並採德菲法邀集專家建構ASR量表，最終形成涵蓋環境面（如合理化施肥、減少汙染與資源永續、土地管理、廢棄物排放、生態與生物多樣性、土壤品質）、社會面（如教育、工作條件、對就業的貢獻、生活品質、在地凝聚力、生存正義）與經濟面（如生產與營利能力、償債能力、多元化收入、補貼依賴程度）等51項細部指標的評量工具。 　　展望未來，ASR推廣應進一步開發行為導向的量表，鼓勵農會等組織建立社會責任報告制度，並強化推廣人員對ASR的認識與溝通。ASR指標亦須持續滾動檢討與優化，以建立兼具可行性與量測效度的體系，為台灣農業邁向環境、社會與經濟三贏的永續發展奠定基礎。 農科院農業政策研究中心　　藍麗琪編譯 【延伸閱讀】-  土壤碳匯方法學獲認可！農業部鼓勵民間產出示範專案

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

氣候變遷是當代人類面臨最迫切的挑戰之一，隨著全球氣溫上升及氣候模式日益不穩定，農業面臨降雨模式變化、極端氣溫事件增加，以及乾旱、洪水與風暴等極端天氣事件頻率上升之風險。這些影響對全球糧食安全、農業生產力、生物多樣性及農村生計構成重大挑戰。故第28屆聯合國氣候變遷大會（COP28）上，糧食議題首次成為重點焦點，阿拉伯聯合大公國（UAE）亦訂定12月10日為「糧食與農業日」，強調糧食體系轉型為核心議程，COP28會議同時發布「永續農業、韌性糧食體系與氣候行動」宣言。 　　然而，儘管各國行政與立法部門之持續努力，現行政策、法規以及國際氣候協議（如《聯合國氣候變遷綱要公約》與《巴黎協定》）仍不足以遏止環境惡化之趨勢。自2015年《巴黎協定》簽署以來，全球氣候訴訟案件激增，民間團體與個人開始將氣候議題導入司法體系，對政府與企業提起訴訟，主張其政策、行動或不作為加劇氣候變遷及侵害基本人權，藉此迫使政府修法或推動企業採取更積極的減碳措施。因此，氣候變遷訴訟在推進氣候行動、環境保護、糧食安全，以及保障農民與農村社區生計等方面發揮關鍵作用，並實質影響國家政策方向。 　　本文簡述氣候變遷訴訟，及台灣首宗氣候變遷訴訟：用電大戶案，關注我國氣候變遷訴訟之未來發展，例如「促使公民社會關注氣候正義」、「政府責任與公民監督權限」，及其可能衍生對「現行《氣候變遷因應法》及相關法規是否應增設公民訴訟條款」之討論。 農科院農業政策研究中心　　賴國任編譯 【延伸閱讀】- 日本2024年「糧食・農業・農村基本法」修正與最新白皮書概要

食品詐欺(food fraud)已成為備受重視的議題之一，除了對於相關產業造成經濟損失也會使消費者失去信任，為預防相關事件發生，由西班牙巴塞隆納大學(University of Barcelona)與農業食品研究與科技研究所(Institute of Agrifood Research and Technology, IRTA)組成研究團隊，藉由分析脂質的指紋圖譜，能夠快速辨識超過80%榛果樣品的來源地以及品種。 脂質指紋圖譜分析：高準確率鑑別榛果來源地與品種 　　不同品種與產地之榛果之油脂組成成分不同，研究團隊蒐集主要品種’Tonda di Giffoni’於2019-2022年間來自西班牙、義大利、智利等地與其他品種共309個樣品，透過氣相層析測量樣品之三酸甘油脂(triacylglycerol, TAG)及不可皂化成分(unsaponifiable fraction, UF)含量，包含如膽固醇、羥基萜烯類(terpene alcohols)等多種次級代謝物，經分析結果顯示利用兩種脂質共同鑑定，其準確率達94%，可有效辨別榛果來源地及品種。若僅用TCA測量準確率則約80%，由於TCA方法較快速，建議先以TCA指紋做初篩，再輔以UF指紋，能夠最快速且有效辨識產地，相關文獻發表於Food Chemistry。 　　除脂質指紋外，來自比利時瓦隆農業研究中心(Walloon Agricultural Research Center)研究團隊，利用近紅外光(Near infrared )與中遠紅外光(mid-infrared)光譜技術開發辨識工具，此方法分析時間短且無須樣品前處理，識別的準確率達95%以上，相關文獻發表於Spectrochimica Acta Part A期刊。 　　脂質指紋圖譜法與光譜技術皆能高效且準確辨識榛果的來源，有助於提升食品來源的可追溯性、減少食品詐欺發生並保障消費者權益，期望未來能實際應用於產業中，並藉由持續蒐集不同來源樣本以拓展該技術的應用性。 【延伸閱讀】- 結合光譜技術建立一套準確檢測南瓜品質方法，提供客觀品質保證

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

在過去十年中，臺灣的勞動部積極推動各行業職能基準（Occupational Competency Standards, OCS）的發展與實施，旨在更有效銜接人才培育與勞動市場需求。職能基準提供了清晰且全面的能力描述，協助培養出更符合市場與產業需求的技術人才，有效回應教育體系難以即時反映新興產業變化，以及學術訓練與實務工作之間的落差。 　　在農業領域，隨著科技發展與環境變遷，從業人員所需的技能樣貌日益多元，現行農業技術人員認證制度的效能亦日趨式微。為因應此挑戰，農業部（原農委會）與勞動部攜手合作，於農業部門導入OCS，第六次全國農業會議更是決議推動農業能力鑑定與專業證照制度，提高從業人員專業力，並獲得社會重視。 　　在此過程中，OCS 不僅協助建立農業專業標準，亦有助於改變過去農業工作不具專業性的刻板印象。透過 OCS 機制，產業專家、主管機關與學界得以共同建立一致的人才標準，這些標準可進一步應用於人才招募、績效考核、升遷制度與薪資設計。此外，若能將 OCS 應用於農業外籍勞動力的訓練與評量，亦有助於提升專業農業人力的供給與品質。 　　本文內容將以「茶葉感官品評人員」、「農藥代噴技術人員」及「農機操作人員」等職類為案例說明。其中，「茶葉感官品評人員」職能基準旨在確保台灣茶葉的品質，並培養專業的品評鑑定與風味辨識能力；「農藥代噴技術人員」則著重於農藥的安全合法使用、環境保護及專業施用技術的提升；而「農機操作人員」則強調農業機械的正確操作、簡易保養、故障排除與智慧化應用，以提升作業效率與安全。 農科院農業政策研究中心　許晉瑋編譯 【延伸閱讀】- 臺灣特色茶風味輪介紹

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

日本農研機構(NARO)聯合多方研究團隊開發出一款專門用於農業領域的AI系統，這項技術的特色不僅學習了農研機構中的大量數據，還整合了來自日本農林水產省、全國公營試驗研究機構與農業法人組織的專業知識，建立一個全面且精準的農業知識資料庫。 　　　這款AI系統最初在三重縣的草莓栽培領域進行試運行，主要是為農業推廣指導員提供意見支援。這款系統在應對農戶常見問題的正確率上提升40%，能夠準確提供具體的數值和品種資料，避免一般AI常出現的模糊表述情形。研究團隊採用了創新的技術方案，結合最新的RAG(Retrieval-Augmented Generation)及MoA(Mixture of Agents)等技術，即使在數據量較少時也能確保擁有高精度的學習效果。研究人員將系統在農研機構的超級電腦「紫峰」上進行訓練，顯著降低了「幻覺」現象的發生。考慮到各地的農業樣態不同，研究團隊特別設計了可按縣設置區域特定知識的機制，為未來全國推廣奠定基礎。 　　根據農林水產省的調查，目前推廣指導員在準備工作時往往需要大量預備時間，占用了總工作時間的37%。藉由這套AI系統，可望顯著提高指導員服務效率，使指導員在現場可為農民提供更充實的說明服務。未來，研究團隊希望可擴大到其他農作物試運行，開發適用於其他地區的版本，此外，還計畫提升超級電腦的運算能力，推動至農業經營、銷售和宣傳等領域的AI技術應用。這些發展符合目前日本政府的政策方向，可為未來的農業政策提供創新科技支持。 在現代農業從業者高齡化、氣候變化影響增加及國際局勢不穩定等挑戰下，這項AI技術的發展應用將可為新型農業從業者和現有農戶提供重要知識獲取和技術更新支援，推動農業往智慧化與高效化的持續成長。【延伸閱讀】-利用AI技術精準測量凝集劑用量，減少資源浪費，促進環境友善

隨著交通運輸技術的顯著改善，新鮮食品的可及性大幅提升。然而，這一進步也伴隨著運輸和儲存過程中加劇食品浪費的問題。因此為了開發高效、經濟且環保的食品保鮮技術，世界各地的研究人員正在研究包裝材料的替代品。在這些材料中，來自天然聚合物的可食用塗層表現出了特別的潛力。 　　幾丁質是一種來自甲殼類動物內骨骼的天然聚合物，經化學修飾後可產生幾丁聚醣(CS)。幾丁聚醣無毒、可生物降解，並具有優異的薄膜形成能力。然而，因為某些因素限制，如阻隔性差及抗菌性能弱，限制了其作為食品塗層材料的潛力。 　　沒食子酸(GA)在植物中含量豐富，以其優秀的抗菌和抗氧化性能而著稱，因此韓國忠南大學的研究團隊在幾丁聚醣中加入GA製作成CS-GA生物膜並與一般CS生物膜進行比較。結果顯示，CS-GA組具有較強的抗菌性、機械強度、抗氧化性、抗紫外線能力以及較佳的清洗性，可延長迷你香蕉及聖女番茄的保存期限。 　　隨著這種綠色技術的發展，未來有望大幅減少運輸和儲存過程中的食品損失，並支持聯合國永續發展的目標，推動全球減少食品浪費。【延伸閱讀】-日本JA加速器計畫-光觸媒農產品保鮮技術