文章- 農業科技新脈動

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。

智慧氣候型農業機會與挑戰

2025/11/21

美國普渡應用研究機構的農業食品系統數位創新實驗室 (DIAL Ventures) 研究團隊，針對農業食品產業在面對氣候變遷挑戰時可採取的策略進行了深入分析，並提出了具體的行動方案以協助農業食品產業應對氣候變遷，並邁向永續發展。

農業科技化！直擊「聯網機器狗」　精準化助農作物施肥、灑農藥－民視新聞

2025/11/20

英國導入 5G 聯網機器狗推動精準農業，可逐株監測作物健康、施肥與噴藥，大幅降低成本與農藥使用量。透過地圖建置與多機器協作，科技成功補足偏遠地區農業缺工並提升效率。

台灣唯一可製茶原生種林試所推廣「台灣山茶」

2025/11/20

台灣原始森林中的「台灣山茶」是唯一可製成茶飲的原生植物，融合松露、柑橘與花香，具高抗氧化力。林業試驗所與茶改場合作，自113至114年間於中南部採集26處野生族群，挑選208棵優良母樹進行保種與基因分析，並評鑑出其獨特風味。台灣山茶現為高雄六龜、桃源區重要經濟作物，推廣成果顯著。

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。

日本農民採用智慧畜牧技術的過程

2025/11/18

日本東京工業大學研究團隊提出了一種結合評論、專家訪談和修正紮根理論方法 (M-GTA) 的開創性方法，探討日本農民在採用智慧畜牧技術過程中的動態因素，特別是影響其採用的驅動力和障礙，了解日本農民對智慧畜牧技術的採用過程，識別影響其決策的各種因素，以促進這些技術的更廣泛應用。

將農業從碳源轉變為碳匯：碳封存潛力

2025/11/17

國際應用系統分析研究所(IIASA)研究團隊探討了農業碳封存的潛力，旨在將農業從溫室氣體排放源轉變為碳匯。研究顯示，透過在農田中實施碳封存技術，可以有效減少全球暖化，並降低經濟層面的減排成本。根據研究結果，到2050年，這些農業操作能夠減少的溫室氣體排放量相當於植樹造林，特別是在撒哈拉以南非洲和南美洲等地區，農業碳封存不僅能有效減少溫室氣體排放，還能促進經濟增長，對於應對氣候變化具有重要意義。

多感測器精準畜牧業之空氣品質測量平台

2025/11/14

保加利亞科學院資訊與通訊技術研究團隊提出了一個開源工具的多感測器平台，開發一個低成本且易於使用的多感測器系統，用於精準畜牧業中的空氣品質測量。目的提高動物健康和生產效率，透過持續監控農場環境中的氣體濃度，及時調整飼養條件。

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。

八卦山咖啡農二代咖啡渣回收創驅蚊香/鳳梨再造的環保革命自動取纖廢葉變黃金/清大高材生點木成金廢材翻轉出破億價值/借貸十萬創茶葉王國茶渣回收變茶香貓砂

2025/11/13

把「廢物」變「黑金」：彰化咖啡農將咖啡渣做成驅蚊香、燃料棒與清潔品；團隊以自動化設備把鳳梨葉萃成紡織纖維；清大校友用廢木打造一條龍循環；南投茶商把茶渣做成除臭貓砂。從農廢減碳到商業模式，實踐ESG與在地創新。

遠端監測系統有助於提高生產力並減少農業碳排

2025/11/12

巴西聖保羅州立大學以及聖保羅研究基金會為了解決傳統確認地下作物(例如:花生、馬鈴薯)成熟方式所造成的碳排放問題以及達到作物精準灌溉，利用遙測系統(無人機、衛星)、人工智慧以及結合農業機械上的感測器，開發出一套模型估算地下作物的產量與成熟度，藉以提升農業生產效率以及降低不必要的農業碳排，促進精準農業發展及環境永續。

使用深度學習模型中的機率密度注意力機制增強小麥穗計數和疾病檢測

2025/11/11

中國農業大學研究團隊針對改善小麥穗計數和疾病檢測的精準度，利用深度學習模型中的機率密度注意力機制改善其準確度，模型針對任何干擾疾病檢測的複雜因素以及高密度區域進行特徵萃取，以密度損失函數提升檢測效能，透過多種模型比對與實證研究後，發現該模型與機制執行結果最為準確，同時提供精準農業的發展提供新方向與工具。