數位科技- 農業科技新脈動

2025/11/25

日本國家農業和食品研究組織NARO開發觀測技術，使用無人機從農作物行上方移動並捕獲圖像，以記錄每個植物生長點的圖像，該技術能夠以節省勞力的方式獲得溫室中許多植物葉子的發育和生長資訊，並有望為草莓的高效生產做出貢獻。

國際

2025/11/24

美國伊利諾大學厄巴納香檳分校研究團隊開發出一種新型機器學習工具，能以極少的人工標註數據，自主學習分辨空拍影像中不同開花狀態的芒屬草類。這項技術大幅提升了農業田間研究的效率，尤其是在需要分析大量作物表現性狀的情境下。研究團隊證實，該方法可顯著減少人工數據標註的工作量，為數位農業與作物改良帶來突破性進展。

國際

人工智慧網路預測農作物產量

2025/11/19

美國普渡大學的研究團隊開發的人工智慧（AI）模型，該模型能夠預測作物產量，特別是玉米的產量。研究人員利用遞歸神經網絡（RNN）來預測玉米產量，這一模型結合了遙測技術、環境數據和基因數據。該研究顯示，使用無人機和衛星進行的遙測數據收集可以顯著提高作物表型分析的效率，並減少人工勞動需求，這對於應對氣候變化及提高農業生產力具有重要意義。

國際

AI建設無所不在豬農也可「豬事問AI」讓養豬更效率

2025/11/13

AI 正加速滲入各領域，農科院開發「豬事問AI」讓豬農以文字或語音快速查詢健康與環境資訊，提升養豬效率。在「TAIWAN AI RAP暨TAIDE亮點成果發表會」中，多項醫療、教育、農牧與企業 AI 應用同步亮相，展現政府推動「AI新十大建設」下的跨域成果，包含智慧診所搜尋、急診交班自動化與在地化 AI 教學等，全面展示台灣 AI 技術的落地實力。

臺灣

從《2025台灣創新技術博覽會》看永續研發趨勢

2025/11/06

《2025台灣創新技術博覽會》聚焦永續研發，展示AI結合綠色設計的多項創新成果。從廢衣再生布纖板、精準塑膠分類技術、菌絲纖維皮革，到牡蠣殼紡織與再生殼模砂，展現台灣產業在循環經濟與低碳轉型上的實力，推動環保與產業創新的雙贏發展。

臺灣

人工智慧幫助印度農場脫離困境

2025/11/03

越來越多的印度農民開始採用AI技術，許多企業也開發出先進的AI應用系統，然而如何提升農民數位素養以及降低新興技術與設備的成本仍然是需要重視的問題。

國際

5G 與元宇宙如何改變農業

2025/10/21

中國及紐西蘭研究團隊整合5G通訊與元宇宙技術，大幅提升灌溉、施肥與用藥的精準度，及透過虛擬實境（VR）建立農民培訓平台，並以「數位孿生」（digital twins）技術模擬農場管理策略，協助降低決策風險。研究旨在系統性分析5G與元宇宙技術如何協同解決農業核心挑戰。

國際

結合機器學習演算法監測水稻種植，確保全球糧食安全

2025/10/17

由中國科學院航天信息研究院（AIR）研究團隊於2025年發布了非洲首張高解析度水稻分布圖，解析度達20公尺，涵蓋非洲境內水稻種植面積超過5000公頃的國家。該數據集於2023年完成，分類準確率超過85%，與各國官方統計數據的線性相關係數（R²）高於0.9。此公開資料集將成為全球研究社群的重要資源，助力聯合國永續發展目標2（SDG2）「消除飢餓」的評估與推進。

國際

苗栗農改場採蜜數位教材輕鬆開蜂箱、找蜂王

2025/10/16

苗栗農改場推出全台首套「蜂蜜採集沉浸式體驗數位教材」，透過混合實境技術，讓學員不用走入蜂場就能學習開蜂箱、找蜂王與採蜜操作。使用者僅需佩戴頭戴裝置、伸手操作即可擬真體驗搖蜜流程，提升學習安全性與趣味性，也適合作為食農教育與養蜂課程的輔助工具。

臺灣

全景種植影像預測番茄收成工作時間之準確性評估

2025/10/14

日本東京大學及日本農業‧食品產業技術總合研究機構(NARO)開發出一套利用番茄溫室栽培行的全景影像預測採收作業時間、採收果實數量和重量的系統，該系統使用深度學習模型（Mask R-CNN）以全景圖分析、計算與估算果實數量以及採收作業時間，有助於降低大型番茄溫室生產中勞動力成本，同時維持採收效率。

國際

以數據和機器學習演算法辨別鹽斑和沼澤

2025/10/03

美國德拉瓦大學(University of Delaware)地理與空間科學系研究團隊運用機器學習，結合無人機與歐洲太空總署Sentinel-2衛星影像，成功建立一套可大規模追蹤與量化鹽斑和濕地分布的新方法。研究旨在開發一套高效且可擴展的土地覆蓋分類方法，精確量化沿海農地鹽斑與濕地的空間分布及變化趨勢。這項研究不僅揭示了2011至2022年間鹽斑面積增加三倍的嚴峻現實，也為沿海農業適應與土地管理提供科學依據。

國際

將機器學習導入作物育種有助於提升耐逆境育種效率

2025/10/01

隨著全球人口增加和環境壓力加劇，育種對於糧食安全扮演關鍵角色，然而傳統育種有其侷限性，導入機器學習技術協助分析高通量多體學數據並建立預測模型，有助於提升育種精準度及效率，加速選育高產、抗逆境的品種以提升農業生產力。

國際