MENU iconMENU
農糧特作
農糧特作
2026/04/06
澳洲弗林德斯大學研究團隊指出,「土壤生態聲學」可透過感測地下微小聲音與振動,在低干擾情況下追蹤土壤生物活動與生態變化,有望成為未來監測土壤健康的重要工具。
2026/04/02
嘉義大學農藝學系助理教授林孟淳研究團隊與日本東京大學跨國合作,利用稻殼與稻稈等農業廢棄物進行「化感作用」研究,發現其粗萃取物對於台灣農田常見的惡性雜草「大花咸豐草」具有顯著生長抑制效果;研究成果3月中旬在日本東京舉行的「2026日本植物學年會」及「日台植物聯合研討會」公開發表,成功將農業廢棄物轉化為「綠金」,為永續循環農業開創嶄新路徑。
2026/04/01
整合24年、來自4國12項人體臨床試驗的回顧研究指出,野生藍莓攝取與改善心血管功能、調節腸道菌相與幫助記憶、思考速度方面提升具有關聯,顯示其有益於心血管健康與身體代謝。
2026/03/27
巴西研究團隊結合Sentinel-2衛星影像與機器學習方法,評估2021年霜凍對玉米作物的影響。結果顯示,研究區約70萬公頃玉米中有70%受損,模型準確率達96%。該方法可快速提供大範圍災損分布資訊,有助於提升農業災害評估效率與決策能力。
2026/03/25
美國研究團隊建立整合作物生理與經濟分析的模型,評估農業光伏發電在不同氣候條件下的效益。結果顯示,在濕潤地區遮蔭會降低作物產量與收益,而在半乾旱地區則有助緩解水分壓力並提升部分作物產量,顯示其應用成效高度依賴區域氣候條件。
2026/03/24
英國研究團隊運用空間轉錄組學技術,以單一細胞解析度分析小麥穗不同位置的基因表現,發現基部小穗中與穀粒發育相關基因表現較低,可能導致發育受限。此研究有助於釐清穗部發育不均機制,並為後續作物育種提供重要參考。
2026/03/18
美國能源部的研究團隊開發高光譜影像處理技術D-CHAG,可大幅提升植物影像資料分析效率,該方法在超級電腦Frontier上測試,處理速度提升逾兩倍並降低75%記憶體使用,使大型高光譜資料更易用於AI基礎模型訓練,有助於加速作物表型研究與植物科學探索。
2026/03/17
西班牙研究團隊結合衛星遙感與田野調查資料,建立機器學習模型以監測穴居型田鼠族群動態。研究利用Sentinel-2衛星影像分析植被變化,成功預測田鼠高風險區域,模型準確率達97%,可協助農業部門及早偵測害鼠爆發並降低田野監測成本。
2026/03/13
美國西雅圖農業科技公司推出大型植物模型,以超過1.5億筆標記植物影像資料訓練而成,強化農田植物辨識與自動化決策能力。該模型並已整合至其雷射除草系統,可提升除草效率並減少化學藥劑使用。
2026/03/12
農業部茶及飲料作物改良場建構茶園精準灌溉決策模式,透過微氣象觀測站資料、蒸發散量(ET)指標與物聯網感測技術,開發「茶園精準滴灌參數模組」,並導入AI運算與雲端平台進行灌溉管理。研究顯示,精準滴灌可依降雨、土壤含水量與蒸散變化動態調控水量,在夏季與枯水期皆能提升茶芽數與茶菁產量,同時節省約13%至24%灌溉水量,並改善茶葉香氣、滋味與回甘度。
2026/03/11
澳洲梅鐸大學研究團隊提出一套自動化像素層級標註方法,用於植物病害嚴重度評估。該方法結合深度學習與形態特徵分析,在咖啡葉資料集中最佳分類準確率達82.24%。
2026/03/10
印度的研究團隊結合深度學習與影像辨識技術,建立辣椒葉片病蟲害自動辨識系統,並改良YOLOv8模型,使辨識準確率最高達99.5%,可應用於田間即時監測與智慧農業管理。

網站導覽
活動資訊
訂閱RSS
電子報訂閱