字級:
小字級
中字級
大字級

智慧農業應用實例-產銷管理與決策

(本文摘自「農業推廣手冊」第74期,版權所有,本刊圖文非經同意不得轉載或公開傳播。)

目前,「多樣性環境感測物聯網平臺」已經實際完成建構數例並應用到許多農業相關領域,可視為「智慧農業」應用之基礎框架。以下,將針對幾個農業領域應用實例進行說明:

一、智慧型害蟲監測系統

臺灣地處熱帶與亞熱帶區,陽光充足且雨量充沛,非常適合農作物生長。但是,此種環境條件亦相當適合於農業害蟲的孳生。傳統的監測方式無法同時且大量地收集到害蟲族群動態變化的數據,亦無法同時感測相關的田間環境資訊,以利進行害蟲族群變異預測模式的研究,因而失去防治害蟲的先機。由此可知,結合「資通訊技術」的「自動化田間環境參數量測系統」的發展確有其必要性與重要性。

圖 1為智慧型害蟲監測系統示意圖。以危害果園作物甚烈的東方果實蠅與斜紋夜蛾為監測對象害蟲,結合機電整合、機構設計、GSM 簡訊無線通訊與 GPS 定位技術、以及 WSN 技術,建構適用於農作地環境條件下執行害蟲棲群密度分布與環境參數監測之 WSN 自動監測與預警系統。可有效地改善傳統農業栽植資訊之收集方式,提高農業生產效率,減少人力負擔。

圖1、智慧型害蟲監測系統示意圖圖1、智慧型害蟲監測系統示意圖

目前,針對國內農作物的兩大害蟲:東方果實蠅與斜紋夜盜蛾進行監測,已陸續於全臺各農產地建置三十套植物疫情監測網。在長期收集害蟲出沒數量及相對應的環境與氣象資料後,後端監控中心可提供各項量測資料的即時查詢功能。此等監測資訊亦與地理圖資系統進行整合,可呈現害蟲族群密度在空間上的分布狀況,對於害蟲疫情的掌控和分析有極大的助益。同時,結合生物系統鑑別理論與智慧型演算法,發展出所選定蟲害偵測實驗樣本的數量增生與環境參數變異間關聯性的預測模型,進而達到即時判斷害蟲程度是否達到經濟危害界限。並可提供農事單位與農民早期警報服務,讓農民與農事單位更即時地掌控田野的環境狀況,提供相關農作物栽培管理決策參考、降低作物生產成本、增加農地作物產量,提高農地經濟效益。

二、蜂群行為微型監測系統

蜜蜂,一種具有高經濟價值且可平衡大自然生態的昆蟲,更重要的是許多農作物以及果樹都需要蜜蜂授粉才能結實,可算是地球上與人類關係最密切的昆蟲。因此,蜜蜂對於人類的農作物生產,甚至對於整個地球生態系平衡的影響力,更是占有舉足輕重的地位。然而,近年來在世界各地都陸續發生了大批蜂巢內的工蜂突然消失以及蜂群大量死亡,造成蜜蜂生態崩解,名為「蜂群崩潰症候群」的自然現象。蜂群消失的可能原因包括氣候異常變遷、殺蟲劑、蟲害、病毒感染、電磁波以及蜜蜂養殖場的減少。有鑑於氣候異常變遷以及蜜蜂崩潰症候群的現象,蜂農更需要了解當前環境因子與蜂群行為之間的關係。

過往採用人工計數蜜蜂出入巢行為,需要花長時間待在蜂箱附近蒐集蜜蜂資訊,其計數之精確度會出現不準確情形。因此,適用於蜂場環境條件之智慧型蜜蜂行為監測系統,可針對蜂群行為與環境參數進行監測,進而改善傳統人力使用經驗判斷蜂群族群狀況之方式,以提高生產效率,其架構如圖 2 所示。

圖2、 智慧型蜜蜂行為監測系統架構圖圖2、 智慧型蜜蜂行為監測系統架構圖

此智慧型蜜蜂行為監測系統是直接安裝於蜂箱的出口處,搭載了不同的感測器,如溫、濕度感測器,照度感測器,大氣壓力感測器,透過這些感測器,使系統可以即時監測蜂箱內外部的環境參數。藉由蜂箱上安裝的太陽能發電系統,用以提供監測系統內電子電路元件的電力,使監測系統能夠長時間的在野外進行運作。並透過蜜蜂進出巢計數演算法,可根據不同之情況,精準偵測蜜蜂出入巢情況,不僅可以有效的分辨蜂箱強弱,更可對蜜蜂行為進行各種數據化研究。目前已找出環境因素,如溫溼度和蜜蜂出入巢行為之關聯性。此發現可以提供養蜂人用於改善蜜蜂生長環境以及提升蜂蜜產業之用。

三、智慧型自動化蘭園生長監控系統

全球蘭花市場具備龐大商機的市場,各國皆希望在其中佔據優勢地位。臺灣身處熱帶與亞熱帶之交界,具有種植蘭花的先天氣候條件優勢。現今,國內許多舊有傳統溫室之環境調節模式仍仰賴人工調控與定時抄寫記錄溫室環境參數值,使得感測資訊無法快速且即時地獲取。隨著溫室管理導入自動化技術,但由於設備成本考量以及溫室規模不斷的擴大,龐大的蘭花產量已造成花農人力成本以及時間成本的負擔。若能透過盆苗外觀生長性狀結合溫室的環控資訊,快速地提供花農於栽培蘭花的生長模式資訊,協助判斷未來盆苗的催花成功率以及其開花後的花朵品質,亦是國內花農所需解決的重要議題。

開發智慧蘭園監測平臺,可利用自動化系統監測蝴蝶蘭盆苗的生長,架構如圖 3 所示。此平臺包括兩個系統,分別是蝴蝶蘭盆苗生長性狀即時影像擷取系統以及自動化溫室環境監控系統。即時影像系統主要透過機器視覺技術,建構出自動化影像機台,進行蝴蝶蘭盆苗的生長影像擷取,

圖 3 、智慧型產銷履歷便利登載平臺架構圖圖 3 、智慧型產銷履歷便利登載平臺架構圖

經過影像處理運算後,可針對盆苗之葉面積進行估測。環境監測系統則利用無線感測器網路技術建構出一套自動化環境監測網路,所監測之環境因子包含溫室內溫、濕度、照度以及介質濕度等環境資訊。透過上述兩個系統的整合,可自動化記錄蝴蝶蘭盆苗葉片的生長狀態,有助於減少人工量測盆苗生長狀態所耗費的時間,以及更準確監控溫室內生長環境的變化,並將葉片影像與環境參數數據結合分析,建構出蘭花葉片生長曲線。在各種環境因子之中,此平臺發現相對濕度對蝴蝶蘭生長的影響最為重要,同時,葉面積生長速度將會影響最後開花品質。這些蘭花葉片生長曲線的建模有助於花農改進蝴蝶蘭生產管理模式,並提升國內蝴蝶蘭種苗的品質以及產量,以促進臺灣蝴蝶蘭在國際市場上的競爭優勢。

四、產銷履歷智慧型便利登載系統

食品安全問題愈趨受到消費者重視,政府亦極力推展「三章一 Q」,企圖透過認證標章和臺灣農產生產溯源 QR CODE 等政策確實把關食品安全,建置產銷履歷制度,可讓消費者查詢到農民的生產紀錄,並實際確認農民所記錄資料是否符合規範。目前臺灣農民的年紀逐漸增加,老齡化農民較難實際以電腦登錄詳細農產品產銷履歷資訊,進而造成農民們願意參加產銷履歷制度之困難度;再者,現行產銷履歷均是事後輸入,無法即時地將產銷履歷資訊紀錄下來,無法確認資料之正確性。

以物聯網的概念為基礎,導入資通訊技術與穿載式感測裝置技術至農務操作,研製一套自動化農業產銷溯源管理之智慧型便利登載物聯網系統,該系統能以便捷的方式自動監測或感應當下所使用設施或各種農務操作(如施肥、噴藥等)之相關資訊,此系統的核心架構將可推廣至各項農業作物使用,如圖 4 所示。在農民生產端方面,根據現行業者的生產作業流程模式,利用「無線感測器網路」技術結合條碼讀取器及穿戴式裝置暨 RFID 感應裝置建立智慧型監測系統,並設

圖 4 、智慧型產銷履歷便利登載平臺架構圖圖 4 、智慧型產銷履歷便利登載平臺架構圖

計自動感應作業流程登載系統,可大幅度降低現行產銷履歷登載的難度。後端銷售方面,透過自動化農業生產管理物聯網系統,並可落實產銷管理資訊資料的完整性,同時亦可增加上傳產銷履歷資訊之便利性與可信度。
農耕與產銷能透過農業科技與資通訊技術,發揮創意做更有效的連結與利用,以吸引消費者,即由農業技術層面及產銷層面著手,使農民與消費者可以透過現代的科技技術,產生互動與連結,產生更便捷的行銷通路。

五、洋香瓜自動化栽培管理系統

為了達到高經濟價值的洋香瓜之作物品質提升及穩定生產,需依照洋香瓜生理需求提供最佳栽培環境,同時需要嚴格的監測或監控,並作適時的調整。導入物聯網與資通訊技術,開發出一套適用於洋香瓜溫室生長環境之自動化栽培管理系統,可即時地收集溫室內的栽種環境資訊,並透過大量監測數據的分析與人工管理經驗的整合,該系統會自動判斷是否啟動或關閉相關設備,使洋香瓜栽種環境得以維持在適當的生長區間中,以期達到最佳化洋香瓜生長環境條件。

自動化栽培管理系統主要分為監測系統與控制系統,監測系統負責監測洋香瓜溫室生長環境,控制系統負責調控洋香瓜溫室生長環境;分別由前端感測節點、前端控制節點、相關設備、閘道器、雲端資料庫這三大部分所組成。監測系統由前端感測節點首先偵測環境差異變化,並透過無線通訊模組(ZigBee)將資料傳至閘道器,再由閘道器統一將數據傳至雲端資料庫進行數據存儲與後續分析;控制系統則由閘道器主動從雲端資料庫擷取該溫室之環境原始數據,並進行一系列數據處理與判斷演算法,再透過 ZigBee 向前端控制節點傳達開啟或關閉指令,進而控制相關設備的作動,達到控制溫室生長環境。

針對農民與消費者較喜歡且合乎經濟效益的溫室型洋香瓜(高雄 2 號 - 橘后)為測試品種。圖 5 為實際洋香瓜之對照實驗圖,可以從圖中看出對照組與實驗組,不論是洋香瓜品種為紅利或

圖 5 、洋香瓜果實照片圖 5 、洋香瓜果實照片

是高雄 2 號,實驗組的果實明顯較對照組大上許多。結果指出實驗組的洋香瓜在甜度上與對照組相似的情況下,果長平均高出 15.5%、果寬平均高出 11.0%、果重平均高出 39.7%。此結果顯示洋香瓜自動化栽培管理系統,在不影響甜度的狀況下,不僅在栽種過程中增加果實的體積、重量,還大幅降低人力成本與負擔,進而達到管理效率的提升。

六、智能環控設備決策分析

智能科技導入農業生產為未來發展的主要趨勢之一,在獲得大量環境參數資料以及農作物性狀表現特徵後,透過導入人工智慧 ( 機器學習 / 深度學習 ) 相關智能分析模型,結合農民根據農作物生長情況以及環境條件來調整設備的開啟或關閉,進而建構智能環控設備決策分析,用以提昇生產農作物的品質與產量。透過物聯網技術架構將農作物生長環境條件進行監測,完整記錄農民操作設施設備的情況,並予以數位化,透過智能科技模型分析農作物的環境感測參數與環境控制項目之間的對應關係。智能環控設備決策分析之學習機制與模型架構如圖 6 所示。根據農作物的設備控制決策經驗與相對應環境感測資料進行智能決策分析,進而得到環控設備決策機制。未來可以持續將環境監測資料、性狀表現、與控制設備操作情況輸入智能分析機制,使得智能分析模型可以再次重新訓練與性能優化,提供農民最佳生產栽培模式與更準確的設備決策參考,達到穩定作物生產之產量與品質的雙重目標。

圖 6、智能環控設備決策分析示意圖圖 6、智能環控設備決策分析示意圖
TOP