智慧農業的基本功-病蟲害防治走向AI的前奏曲(下)(姚美吉講師)
介紹AI影像辨識在農作物害蟲監測上的應用,強調建立完整害蟲影像資料庫是提升判讀準確度的基礎;內容說明米象與煙甲蟲等儲藏型害蟲多於源頭即存在,預防與清潔管理重於事後治療;並建議以低溫冷藏及真空脫氧包裝降低繁殖風險;同時探討昆蟲於生物防治與替代蛋白質領域的多元應用,推動智慧化與精準農業發展。
MENU
農民應該以什麼比例組合哪些植物才能獲得最大可能的產量?如果使用糞肥而不是化肥,作物會如何生長?未來,農民在回答此類問題時應該能夠依靠電腦支援。
德國波昂大學研究團隊利用無人機拍攝了數千張作物生長過程中的照片,特別是針對花椰菜的生長情況進行了詳細記錄,這些照片被用來訓練學習運算,使其能夠從單一的空中影像生成未來的作物生長圖像,接著使用另一個AI軟體,能夠從植物照片中估算各種參數,如作物產量,並且可以對生成的圖像進行同樣的估算。
研究發現成功地從初始影像生成了作物未來的生長圖像,並能夠準確預測如葉面積和產量等關鍵參數,證明不同植物的混合種植能夠提高產量,並降低病蟲害的風險,透過將多種混合實驗的結果輸入學習運算,能夠提出哪些植物組合及其比例最為合適的建議。
此項研究發表在2024年《Plant Methods》期刊,該研究推動了基於演算法的植物生長模擬技術,還為農業的數位轉型提供了重要的支持。研究結果有助於農民在面對環境挑戰時,做出更有效的決策,並促進農業的永續發展。【延伸閱讀】-美國提出透過機器學習演算法之作物預測模型