數位科技- 農業科技新脈動

2026/08/03

加拿大達爾豪斯大學研究團隊結合牛舍攝影機影像、YOLOv11偵測、ByteTrack個體追蹤與人工智慧行為分類模型，建立乳牛行為辨識框架，可判讀採食、飲水、躺臥、反芻與站立等行為，產出個別乳牛活動紀錄，支援營養管理、健康監測與精準酪農數位孿生建置。

國際

生物發光技術即時顯示植物防禦反應

2026/07/27

英國MRC倫敦醫學科學研究所等跨國研究團隊開發可即時顯示植物防禦反應的生物發光技術。研究團隊將真菌來源的生物發光基因導入植物，並與植物免疫訊號途徑連結，使植物在受到病原菌感染、昆蟲取食或其他環境脅迫時產生可觀測發光訊號。結果顯示，一般相機即可即時監測植物防禦反應啟動過程，可作為植物健康監測與作物脅迫偵測之研究工具。

國際

無人機多光譜影像結合人工智慧模型評估田間氮素狀態

2026/07/15

丹麥奧胡斯大學(Aarhus University)等跨國研究團隊以春大麥田間試驗為基礎，利用無人機多光譜影像結合人工智慧模型，預測作物氮濃度、氮吸收量與乾物重。結果顯示，類神經網路模型與代表性光譜特徵可提升田間氮素評估效率，作為精準施肥與氮肥管理參考。

國際

AI模型預測大豆生育障礙發生風險

2026/07/10

日本農研機構（NARO）開發AI模型，用於預測大豆生育障礙發生風險。該模型整合品種特性、氣溫變化與土壤水分等環境資料，並以16年約 500筆種植案例進行訓練。結果顯示，開花後持續高溫為未熟落果與裂皮粒之主要影響因子，風險隨氣溫累積增加，有助於支援栽培管理決策。

國際

對話式多代理人工智慧應用於自動化植物表型分析

2026/07/01

英國愛丁堡大學（University of Edinburgh）研究團隊與英美多所研究機構合作開發PhenoAssistant，以大型語言模型（LLM）擔任管理者，建立可用自然語言操作的對話式多代理系統。PhenoAssistant可自動拆解植物表型分析任務並串接工具執行，整合植物專用視覺模型庫、資料分析與統計功能，並支援於缺乏適用模型時建立自動化訓練流程。研究結果顯示，此系統可協助使用者完成植物影像分析與資料處理工作，降低跨工具操作與植物表型分析的使用門檻。

國際

結合作物模擬與機器學習解析長期連作試驗中之水稻產量差距

2026/06/30

日本岐阜大學、國際稻米研究所（IRRI）與日本京都大學研究團隊，利用近50年的水稻連續栽培試驗資料，結合作物生長模型ORYZA v3與機器學習方法，分析不同季節下水稻產量差距的形成原因。研究結果顯示，乾季水稻實際產量可達潛在產量約六成以上，但雨季受病害逆境與品種老化影響，產量差距明顯擴大。研究亦指出，即使排除病害與品種老化等因素，熱帶雨季條件下水稻產量仍難達國際常用之80%潛在產量基準，顯示不同生產環境下可能需重新評估適用的產量基準。

國際

現代機器人尋水技術協助果園精準灌溉管理

2026/06/22

美國加州大學河濱分校（UCR）研究團隊利用移動式機器人量測土壤電導度（ECa），並結合埋設於地下的土壤濕度感測器資料，建立果園土壤含水量空間分布模型。研究結果顯示，此方法可提升土壤水分監測的空間解析度，協助農民掌握果園不同區域的水分狀態，作為精準灌溉管理的參考。

國際

開發適用於水稻等13種作物之土壤診斷AI系統

2026/06/10

日本農研機構（NARO）與日本土壤協會合作，開發可對應13種作物之土壤診斷人工智慧系統，以解決專家人力不足造成之診斷需求。該系統整合土壤化學性、物理性與營農資料，並採用LightGBM模型於有限資料條件下進行診斷與改善建議生成。驗證結果顯示，於13種作物中與專家判斷一致率達90%以上，可應用於提升土壤管理效率並支援永續農業發展。

國際