農糧領域- 農業科技新脈動

2024/11/15

此研究由義大利帕爾馬大學和摩德納和雷焦艾米利亞大學( Università degli Studi di Modena e Reggio Emilia)研究團隊利用商業無人機和人工智慧（AI）來監測入侵性害蟲--褐斑臭蟲，學名茶翅蝽（Halyomorpha halys）。這項研究顯示，無人機在自動化監測入侵物種方面具有顯著的進展，尤其是在減少對環境的干擾和提高數據準確性方面。

國際

科技漫遊／科技助力農業感受花東創新與文化

2024/11/14

花東縱谷從光復鄉到富里鄉是花東縱谷的精華，沿途每個鄉鎮皆具當地獨有的人文風情及豐富多樣的農特產品，工研院以三階段發酵技術、快速節能炭化技術，協助部落提升作物價值，振興部落經濟，更讓農業與土地自然和諧共生的理想。

臺灣

日本推動綠色糧食戰略下的有機農業發展動向

2024/11/13

日本自2021年5月推動綠色糧食戰略以來，設定多項目標，其中又以2050年擴大有機農業面積25%耕作面積(100萬公頃)的目標數值最受關注，對於長年非以有機農業為政策主軸的日本政府來說，是一大重大政策變革。

國際

利用空拍AI分析影像技術預測甜玉米最佳收穫時間

2024/11/12

日本國家農業與食品研究組織(NARO)開發一種技術，利用人工智慧(AI)技術結合從玉米田的無人機圖像和NORODA的網格農業氣象資料進行物件檢測，以預測每個田地的最佳收穫時間。目前，準確預測大田地的適當收穫時間通常需要耗費大量的時間和精力，但這項新技術能夠提供更精確預測。透過每個季節僅進行一次的空拍，便能有效判斷適當的收穫時間。人工智慧的應用使得預測收穫時間變得更簡便且準確，有助於提升玉米的生產效率，並優化收穫計畫。

國際

發展應對全球暖化的鳳梨品質預測模型

2024/11/10

日本國家農業與食品研究組織(NARO)與沖繩縣農業研究中心開發一種模型，根據溫度準確預測鳳梨果實的酸度、糖含量和收成期。此研究結果可用於預測各產區每年應採收的水果的品質和採收期，並可估算新引進鳳梨的地區可採收的時期和品種。

國際

利用外表型及蒸散量模型，提升耐旱性篩選的效率

2024/11/08

藉由蒸發散量模型，協助估計大豆及玉米的水分利用效率，並提供育種者篩選耐旱性的指標。

國際

啤酒花「上陣」試驗工研院盼找出農場自行供電可行性

2024/11/07

工研院指出，因應極端氣候，全球訂定2050淨零排放目標，藉由試驗場域模擬極端氣候，作物在新型態溫室內的創新栽培與應用。例如以二氧化碳作為催化生長的科學驗證、智慧電網控制系統運用，並以低碳運作達成自供電溫室管理的系統。

臺灣

利用高性能人工氣候室驗證未來環境對水稻影響

2024/11/06

研究由日本國家農業與食品研究組織(NARO)研究團隊利用「栽培環境模擬器」也就是人工氣候室，可以精確地為作物生長創造季節性環境。利用該裝置，可人為創造近年季節環境，並研究了其對水稻生長的影響。結果顯示，如果目前不採取減緩氣候變遷的措施，高溫和二氧化碳可能會導致產量和品質下降。這項研究的結果預計將有助於開發抵抗全球暖化的品種，以及開發管理生長的栽培技術，作為應對未來氣候變遷的對策。

國際

低成本深度感測器在植物病害檢測具高準確度

2024/11/05

此研究主要目的是自動化植物病理學測試，以提高植物疾病檢測的效率和準確性，特別是在應對氣候變化所帶來的挑戰時，促進植物的選擇性育種。法國研究團隊利用低成本的深度影像感測器，成功實現了97%的準確率來區分抗病和易感植物，並且這一方法的速度是人工標註的30倍，且在不同環境和植物密度下均表現穩定。

國際

結球白菜遺傳背景純化技術

2024/11/04

結球白菜是國內育種公司重點發展的蔬菜作物之一，品種以一代雜交 (F1 hybrid) 的形式為主流。結球白菜屬自交純化作物，在歷經數代的自交純化後，因植物體內遺傳組成具有高度的同質結合比例，容易出現遺傳上的自交弱勢，導致植株生長勢不佳，降低一代雜交種子的採種效率。

臺灣

利用大數據對抗甘藷害蟲

2024/11/03

美國田納西大學研究團隊利用基因組和總體基因組數據來預測甘藷的害蟲豐度，並識別出可能增強植物防禦機制的關鍵基因。研究顯示，甘藷在面對粉蝨和象鼻蟲等害蟲時，利用微生物群落的作用來增強其抗性，減少對化學農藥的依賴，這為未來的育種策略提供了新的方向。

國際

開發水稻營養壓力的高光譜庫，以利分析水稻影像

2024/11/01

研究由中國科學院研究團隊開發了一個針對水稻14種NPK（氮、磷、鉀）營養壓力條件的高光譜庫，利用地面高光譜相機收集和分析420張水稻壓力影像。研究中使用的基於變壓器的深度學習網絡SHCFTT能準確識別營養壓力模式，其準確率在93.92%至100%之間，顯著優於支持向量機（SVM）、一維卷積神經網絡（1D-CNN）和三維卷積神經網絡（3D-CNN）模型。這一方法提高了營養壓力檢測的精確性，對作物健康監測和精準農業的決策制定具有重要貢獻。

國際