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
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。