結合AI與物聯網之智慧農業架構，應用於乾旱地區椰棗永續栽培

乾旱地區椰棗生產挑戰

　　椰棗 (Phoenix dactylifera)在乾旱與半乾旱地區具有重要的經濟與文化價值，但其生產面臨水資源短缺、高溫環境及傳統農法效率不足等挑戰。傳統管理方式多依賴人工觀察與經驗判斷，難以應對氣候變遷與資源限制，因此亟需導入數據導向的智慧農業技術，以提升作物管理與資源利用效率。

智慧農業架構整合方式

　　本研究由沙烏地阿拉伯沙克拉大學(Shaqra University)、馬來西亞多媒體大學(Multimedia University)與孟加拉吉大港科技大學(University of Science and Technology Chittagong)等單位組成之跨國研究團隊進行，提出一套整合機器學習與物聯網的智慧農業架構。研究蒐集多模態資料，包括樹高、樹幹直徑、葉片數等生物特徵，以及土壤含水量、溫度、濕度等環境參數，並結合品種與健康狀態等類別資料進行分析。

機器學習模型建立與表現

　　研究中建立四種機器學習模型，包括隨機森林(Random Forest, RF)、梯度提升機(Gradient Boosting Machine, GBM)、人工神經網路(Artificial Neural Network, ANN)與支持向量機(Support Vector Machine, SVM)，並透過網格搜尋與交叉驗證進行模型最佳化。結果顯示，隨機森林模型表現最佳，分類準確率達95.3%，顯示其在處理異質農業資料時具有良好穩定性與預測能力。

特徵重要性分析結果

　　進一步的特徵重要性分析指出，土壤含水量、濕度、樹幹直徑與葉片數為影響椰棗健康狀態的重要因子。透過整合AI與IoT技術，該系統可實現即時監測、健康診斷與預測分析，提供自動化決策支援，有助於優化灌溉管理與作物生長條件。

智慧農業系統應用潛力

　　整體而言，本研究展示了智慧農業系統在乾旱地區作物管理上的應用潛力，能夠提升水資源利用效率並促進永續農業發展，亦與沙烏地阿拉伯「2030願景」中推動科技農業與資源永續利用之目標相符。未來仍需進一步實地驗證與長期應用評估，以確認其在不同環境條件下之穩定性與可擴展性。本研究已發表於《Scientific Reports》期刊。

【延伸閱讀】－使用人工神經網路對電動垂直軸轉子型除草工具之特定需求進行建模