資料來源：工業技術研究院／曹嘉惠

一、計畫背景說明

隨著世界人口大幅增加與極端環境快速變化情形，農作生產為世界主矚目重點，農業生技相關技術相對因應蓬勃發展。同時，以全球市場發展趨勢來看，農產產品市場依據國際著名市調公司Frost & Sullivan 2019報告（2019 Outlook of the Global Agriculture and Nutrition Industry）顯示西元2019年農產產品市場已超過30,000億美金市場(圖一），其中進一步指出工業物聯技術應用於農業市場成長率（年成長）高達10%(圖二）。更依據MarketsandMarkets最新報告（Agriculture IoT Market,2021），農業物聯技術應用市場預估到西元2026年可超過美金180億美金市場規模，2021~2026年複合成長率更高達9.8%（圖三）,充分顯現其價值性與重要性。

然而隨著智慧產業發展與技術提昇，產業接受度始終受限於物聯裝置價位過高（IoT in Agriculture-Frost & Sullivan 2020），民國108年初我國資策會亦針對工業4.0發展趨勢與產業需求進行調查與報告提出（圖四），亦總結指出「IOT價格太過昂貴」。

目前我國新鮮菇類產量年約14萬公噸，產值約130億元，占整體蔬菜總產值的16%以上，菇類栽培太空包生產約5億4,000萬包。菇類產業屬於資本與技術密集之產業，投入生產之門檻較高。傳統的菇類栽培方式十分仰賴人工的操作，欠缺科學化的管理，雖然部分環控菇場雖有環境監測設備，僅能監看溫度及濕度，其他如二氧化碳及光線等數據大多缺乏，多數菇場尚利用人工方式紀錄溫度及濕度，或其控制面盤仍停留在單純的機械開關，尚無法連線進入電腦化的資訊蒐集，更遑論提供數據管理。隨著農業生產成本擴增與人力端缺情況下，人工智慧技術應用需求日益增加。為提供現有菇類栽生產管理及滿足菇類業者對於監控設備價格合理之需求，政府積極輔導業者從事關鍵技術/元件自主化的發展，達到產業技術升級、產業國際化之目標。本研究主要目的是透過智慧農業技術，以台灣優勢之自動化工業基礎發展菇類展業智慧化關鍵技術，以關鍵技術/元件自主化發展策略為主軸，結合我國ICT產業優勢與能量，發展產業可接受之物聯裝置/平台，提升智慧農業產業應用與擴展，同時運用AI影像技術，針對產業unmet needs，利用影像感測技術，結合計算（Edge computing）功能，達到產業創新開發與應用。

二、專案實施方法與步驟

智慧農業 4.0 技術係藉由感測技術、智能機器裝置(IR)、物聯網(IoT)、巨量資料(Big Data)分析等前瞻技術，建構智慧農業產銷與數位服務體系，達到講求效率/效能、安全與風險控管的時代及追求高質、便捷與人性化的時代的最高目標。台灣擁有先進的智慧自動化與精緻農業兩大技術優勢，藉由大數據分析與物聯網技術的導入，可將菇類植物工廠智慧化、高值化。菇類生產不僅是農業栽培工廠化之先趨，更是目前工廠化栽培最成功之案例，因此如能以菇類產業為基礎，進一步結合其他具高經濟價值或出口潛力之作物，使台灣有限土地能發展出無限之可能，相信也可減少對台灣這片土地之破壞，使台灣這片土地能更永續發展。

本計畫以技術自主性智慧關鍵技術開發為主要目標，以關鍵技術/元件自主化發展策略為主軸，結合我國ICT產業優勢與能量，發展產業適用之物聯裝置/平台，提升智慧農業產業應用與擴展;同時運用AI影像技術，針對產業unmet needs(以菇類生產為例：菌菇生長速度監測），利用影像感測技術，結合邊緣運算（Edge computing）功能開發前端AI模組，達到產業創新開發與應用，其技術關聯圖如下：

其主要工作項目為:

（1） 輕量內殖式技術自主性多工操作系統

在一般功能(General-purpose)的處理器市場分類中，若以功能與執行速度來說，大致分為CPU > MPU > MCU。CPU的功能最強，主要應用在電腦產品；MPU功能次之，其應用多元，主要應用在嵌入式系統與精簡型電腦等多種；而內殖式微處理控制器MCU則是以單一應用為主，應用在各式家電、電子產品、嵌入式產品、穿戴式裝置、物聯網(IoT)應用產品等控制應用。MCU內部整合了KHz/MHz級的CPU、KB/MB級的記憶體單元(RAM與ROM/EEPROM/Flash)、時脈產生器(Oscillator；Clock Generator)、與I/O擴充單元等，可視為一種速度較慢的系統單晶片(SoC)。由於內部記憶體容量小，因此大型作業系統如Windows、Linux等是不可能塞入MCU去執行的，且MCU大多應用在即時多工控制（RTOS）的環境需求，因此許多容量小的RTOS(Real-Time Operating System；即時多工作業系統)，便成為開發MCU軟體的主要平台。

內殖式多工操作系統(RTOS)的種類繁多，主要設計給基於MPU或MCU的嵌入式系統所使用。例如MPU等級專用的有Integrity、QNX、VxWorks等功能強大之RTOS；至於體積較小巧，主要支援MCU等級為主的RTOS，則有Nucleus、ThreadX、Unison OS、ucOS II/III等等。以Green Hills Software推出的Integrity OS為例，就是一種支援MPU (甚至CPU等級)為主的RTOS。其強項在於Integrity-178版本已通過EAL 6+(資訊安全)認證與DO-178B(飛安環境) A級認證，被應用在極度重視安全和可靠性的市場，例如戰鬥機(如B-2、F-16、F-22、F-35)與民航機(如Airbus A380)等領域。該RTOS支援ARM、XScale、Blackfin、Freescale (已併入NXP) ColdFire、MIPS、PowerPC、AMD x86(嵌入式APU)等CPU/MPU平台。另一個知名的QNX RTOS，採用微核心架構，是唯一成功打入商用市場的OS，其強項是多媒體的即時處理能力，適用於車(機)上娛樂裝置與手機等嵌入式市場。QNX於2010年被BlackBerry購併，並開發出BB 10作業系統。QNX支援IA32、MIPS、PowerPC、SH-4、ARM、StrongARM、XScale等CPU/MPU平台。至於像是IntervalZero的RTX、RTX64，則是設計來與微軟Windows共存共容的RTOS，搭配EtherCAT協定來做為工廠自動化的應用。RTX/RTX64的運用中，Windows主要負責GUI、儲存、運算，RTX則負責即時工控與資料採集，讓工控軟體開發更容易。以上的RTOS都是MB至GB等級的MPU等級OS，不適用於MCU的環境。

中低階RTOS部分，主要是把軟體功能極盡精簡到MB甚至KB等級，使整個OS與主要應用程式，均可以塞入內殖式微處理器MCU裡的ROM/EEPROM/Flash。由於MCU應用的領域更加廣泛，其軟體必須力求更加精簡，因此MCU專用的RTOS大多具備非常高度模組化的架構，從核心、驅動程式、檔案系統、週邊I/O、網路支援等，都可以量身訂作，以利產品快速上市。

商用的RTOS有些會提供原始碼給授權客戶，而開源的RTOS則更能自由使用，讓開發人員可以編譯出程式碼最小、最佳化的執行環境。由於各晶片廠所推出的MCU產品及開發板，都會有其對應的OS與IDE(整合軟體開發環境)，但這些OS與軟體開發環境可能只適用於該廠的MCU產品，因此第三方軟體廠商，就開發出跨晶片/跨硬體平台的OS與IDE，讓開發人員不須因為換了硬體平台，軟體就必須全部改寫。目前MCU OS/IDE市場佔有率最高的，大多是軟體公司所推出商用RTOS(搭配各廠商的MCU產品)，然隨著ARM推出Cortex-M、Cortex-R等指令集架構，進軍物聯網應用市場，使得ARM架構(採開源碼)的RTOS開始有提升的趨勢（下表）。

本計畫開發技術自主之輕量多工系統（RTOS），以開源源碼為啟始，不單考慮源碼執行碼大小，亦需充分發揮硬體中斷機制與功能，符合硬體即時反應需求。經評估後，計畫採用美國明尼蘇打大學於西元2008年發表之內殖式多工系統進行轉殖與應用。其多工系統為Linux多工系統之轉化，除具有Linux多工穩定特性，其OS執行程式記憶需求大幅降低，且充分提供硬體中斷功能。計畫執行以國產低功耗微處理晶片MCU（新唐科技）為開發目標，結合軟體操作軟體（IDE）應用於ARM系列微處理晶片（Cortex-M0與Cortex-M4系列），其OS執行記憶需求（執行碼）<20 Kbytes，內存記憶（SRAM）需求4Kbyes條件下亦可穩定操作。除此之外，開發之多供系統將可提供任務管理功能，包含任務的創建、删除、延遲、暫停、恢復等功能，以及鎖定和解鎖任務調度，任務可按優先级可搶佔（Preemptive）、同優先级以時間片輪轉（Round-Robin）調度的方式調度，以及提供事件（event）、訊息(message)陣列、與軟體計時功能。

（2）耐候性低成本精微環控檢測模組開發

近幾年來由於微電子和計算機技術不斷進步，使感測技術更加提昇與多樣，讓農業物聯網感測器的種類與數量快速增長。此外，隨著寬頻與行動網路的演進與普及，讓網路連結無所不在，以致近年物聯網與雲端計算大數據更加深度融合，觸使智慧農業的應用更加廣泛。農業物聯網系統將可依據環境變化和系統運行的需求自動調整，提供智慧化環境感知監控。農業物聯網發展方向有三：一、提高農業生產的質量；二、節約資源；三、朝向可持續化發展。

智慧農業物聯網可結合歷史數據分析與即時檢測數據，提供更準確的模型和優化方案。即時檢測數據提供，仰賴感測器元件與偵測技術。計畫執行擬開發低成本之前端感測模組，針對農業感測項目（溫度、溫濕度、光照、二氧化碳等），運用本土自主生產元件/模組，從感測元件端由下而上之建構開發以符合成本降低策略，並達到耐候性（IP66工業等級）需求（尤其針對菌菇生長環境之高濕特性），同時兼具工業規範Modbus傳輸功能。

（3）菌菇生長視覺辨識邊緣計算模組開發

據工研院IEK估計，全球智慧聯網設備從2017年的84億個成長為2020年的204億個，到2022年時，將會有高達75％的資料處理工作不在雲端資料中心完成，而是透過靠近用戶的邊緣運算設備來處理。近年來AI晶片發展蓬勃，其市場產值預估於西元2026年可達578億美金市場，複合年成長超過40%( Artificial_Intelligence__Chipsets__Market，MarketsandMarkets，2021)。當人工智慧逐步由雲端向邊緣運算裝置靠攏，催生邊緣運算智慧終端裝置崛起，其中又以自駕車、機器人、監控、擴增實境（ AugmentedReality； AR）╱虛擬實境（ Virtual Reality； VR）、無人機等五大類型的終端載具對於延遲性、資料傳輸頻率要求較高，將優先導入邊緣運算。目前台灣在五大邊緣運算終端載具上，均有業者投入布局，而台灣則有機會發展具視覺基礎的終端裝置。由於國際網通、伺服器大廠積極透過現有產品轉型布局邊緣運算，帶動新興網通與運算設備需求，網路節點將能成為邊緣運算設備優先布建標的，台灣廠商將可從電信產業供應鏈切入，掌握商機。本計畫邊緣運算技術開發啟始與新唐科技技術合作，以新唐公司Cortex-M4系列晶片為開發目標，運用ARM CMSIS NN（Neural Network)開源源碼進行手寫數字辦認，利用奇景光電生產之CMOS CCD影像擷取進行影像處理，以深度學習操作平台建立深度學習模式，後將深度學習模式導入微處理器，達到前端邊緣數字辦認，後將運用奇景光電公司國產AI晶片，進一步擴展與延生。

機器學習(Machine Learning)是人工智慧(Artificial Intelligence, AI)的分支，運作流程是透過演算法，使用大量資料進行訓練，訓練完成後會產生模型，當未來有新的資料時，我們可以使用訓練產生的模型進行預測。機器學習應用相當廣泛，例如：推薦引擎、定向廣告、需求預測、垃圾郵件過濾、醫學診斷、自然語言處理、搜索引擎、詐騙偵測、證券分析、視覺辨識、語音識別、手寫辨識等等。深度學習就是讓機器模擬人腦的運作方式，進而和人類一樣具備學習的能力，不過由於人類神經網路太過複雜，所以為了方便以機器模擬，將神經元分為多層次，來模擬神經網路，神經網路通常會有1個輸入層(Input Layer)、 1個輸出層(Output Layer)和多個可以被訓練的隱藏層(Hidden Layer)，超過2個隱藏層就可以被稱為深度學習。如下圖 Input Layer 就是接收信號的神經元，Hidden Layer 就是隱藏層，而 Output Layer 就是做出反應的輸出層，而各神經元傳導的力量大小，稱為權重(Weight, 以W表示)，也就是模型要求解的參數，如果求算出來，我們就得到一道公式，只要輸入信號，經過層層傳導，就可以推斷出結果了。

（4）短中長距離混域式傳輸平台建構與示範建置

在知識爆炸的年代，人們對於資訊的取得需求，可說是隨時隨地並大量快速增加，在網路技術的發展中，從E化(網路化)到M化(網路行動化)再進入U化(網路無所不在)，更加深無線感測網路(Wireless Sensor Network :WSN)技術重要的地位。無線感測網路(WSN)起源於美國加州柏克萊大學由David Culler教授主持的研究計劃「智慧灰塵(SmartDust)」，基本構想是體積小、低成本、耗電量低、容易佈建網路，並具自動尋找最佳路徑回傳資料(Multi-hap mesh network)之感測設備。此計劃由美國國防部研究計劃單位(DARPA)所贊助，原先的構想是應用在軍事上，近來已逐漸廣泛運用在工業、商業、軍事、醫藥和生態等領域。依國際電氣電子工程師協會IEEE的規範，無線產品依傳輸距離可以分為802.11 (WLAN,針對距離 300公尺以內的區域網路所制訂)， 802.15(WPAN,針對距離10公尺以內的個人區域網路所制訂)， 802.16(WMAN,針對距離50公里以內的都會區域網路所制訂)， 802.20(WWAN,針對距離50公里以上網路所制訂)。由技術層面和成本的角度來看無線產品，據資策會在2008年統計以WSN/ZigBee的技術未來5年內，將會佔無線感測網路市場的60%以上。

政府歷年來推動『農業自動化』後，陸續發展精緻農業、安全農業等產業政策，遇到重要問題如：極端氣候影響造成農業的生產不穩定、農民對現有設施或是科技的利用度不足、農民年齡層偏高等問題，除因應日漸減少的農村人力因而發展自動化農業外，如何更有效率推動安全農業，提升農產品價值，首要即是針對不同環境因素作物目標，建立對應之知識平台，並收集各種數據資料作為作物管理的依據，輔以產銷履歷之流程管制，可以成為消費者購買農產品的安心保障。因為田園環境傳輸受到先天性的限制，使得無線感測網路成為一個適合應用於農林漁牧等生產管理監控領域且有實際應用價值的技術工具，獲得農業界廣泛的重視與迴響。隨著微型製造技術、通訊技術及電池技術的進步，讓微小的感測器具備了感測、無線通訊和資料處理的能力。小型和低成本的感測器量測系統趨向無線化、小型化、模組化、網路化以及經濟與省電化發展，促使價格便宜與取得便利性，無感測網絡（WSN）的蓬勃發展已經可以應用在我們的日常生活中。感測器為WSN組成的核心元件，各感測器內建中央處理器(CPU)，並有感測器、通訊模組與電源裝置等組合而成，多樣化的感測器與適合的通訊模組則是構成WSN的重要元件。

通訊模組於本計畫執行規劃擬採用工業Modbus有線傳輸、中短距離Zigbee/IEEE802.15.4傳輸、與遠距Lora傳輸，整合性建構短中長距離混和網域應用傳輸平台，有效因應區域環境需求，並達到監控節點(Node）可擴充性（>100 nodes），即節點增加無須重新開發系統。

三、計畫執行說明

1. 多工操作系統

智慧化養菇環境首重精微環境監測，環境參數蒐集與分析為智慧化發展前哨。本計畫規劃採用混域式傳輸技術，結合工業有線MODBUS傳輸技術、IEEE802.15.4無線網絡技術、與Lora無線遠距傳輸，主要目標為前端環境監測數據有效建立並可遠距傳輸至後端農戶資料庫系統（microsoft SQL資料庫）。

基於無線傳輸的應用，本計畫於中間傳輸層之數據處理閘道伺服器（Gate Server）運用輕型內殖式微處理器多工操作系統，分別處理Lora操作平台（Lora Stack）、IEEE802.15.4操作平台、與數據處理/Modbus傳遞操作，共三個主要Task(不含多工分時處理系統)。在閘道伺服器操作系統運作，除多工任務執行（時序執行見圖五)，硬體中斷（計時器、看門狗、RTC、UART等）功能充分運用，除達到即時反應處理外，亦降低多工任務數需求，提升多工任務執行效能。本計畫執行，於前端環境監測模組採用Modbus Stack與感測器監控兩個執行緒雙工操作; IEEE802.15.4與Lora閘道器採用Modbus Stack、IEEE802.15.4 MAC Layer、與Lora Stack三個多工任務同時執行，強化無線傳輸數據處理，降低無線傳輸數據丟包現象。

內殖式多工操作系統，採用美國明尼蘇達大學內殖式即時多工操作（RTOS）平台進行轉殖，原碼操作於8 位元Atmel AVR晶片(現以併購於NXP公司），計畫執行已轉殖於國產新唐科技Nano 100微處理晶片(價格：＄0.6/pc)，內核為32位元ARM系列晶片，操作頻率：42M Hz，128K Flash, 4 K ram，其不同時序分時多工操作驗證，以200 MHz示波器驗證如下圖。

2. 精微環控檢測模組

基於環境檢控模組目前市場上價格因素，本計畫在功能與成本考量下，從底層元件架構開發，以多功能電路設計（圖六、七、八），將多種感測器、無線模組、傳輸裝置統整設計於單一電路（電路大小：35mm x 35mm），並結合我國ICT產業能量，擬從成本面降低成本，期望能以功能等同但價格降低提升市場使用。尤其，光學式NIR二氧化碳監控模組的開發，以國產元件突破國外產品壟斷（目前市面上以SenseAir產品使用為主），其商品化價格亦極具競爭力與市場擴展力。

3.混域式傳輸平台

本計畫採用之混域式傳輸平台，為結合有線傳輸、IEEE802.15.4無線傳輸、與Lora遠距無線傳輸，主要目標為將養菇場域IOT監測系統數據，傳輸至後端使用者資料庫工作站(見圖九系統開發示意圖）。基於養菇場域建置情形，現有養菇場域大都為類植物工廠生產方式，於密閉空調室進行菌菇生產，每場域具有多座菌菇生產室。計畫於菌菇生產室座內採用工業規範Modbus有線傳輸，其原因為空調系統需求，生產室大都為鐵皮隔間，無線傳輸無法穿透，且室內為高濕環境，無線訊號水分吸收現象強。庫與庫間以Zigbee星樹狀式無線網絡架構，開發IEEE802.15.4核心平台（Mac Stack），以IEEE802.15.4閘道器開發（圖十），跳脫Wifi IP mapping需求，且可直接進行節點擴增。繼IEEE802.15.4閘道器後，以有線Modbus傳輸，穿越場域鐵皮建物，將數據經由Lora無線模組（圖十一），遠距後送至資料庫工作站。以下為各傳輸平台功能規格：

Modbus有線傳輸平台：傳輸距離～1000m，檢測模組數：255(計畫採用15)

IEEE802.15.4傳輸平台（圖十）：傳輸距離～500m，節點數～60000(計畫採用255)

Lora傳輸平台:傳輸距離~3000m,節點數～100(計畫採用10)

計畫亦於農試所進行示範建置（下圖），紅色虛線區域為多工閘道器建置，多工系統的應用，微處理核心硬體使用國產新唐科技Nano100晶片，無線模組採用國產Zigbee與Lora模組，結合國內ICT產業能量，快速開發低成本閘道伺服器。

Input Layer預計以至少1000筆資料為啟始。

機器學習擬採用Tensorflow 2.0，於PC Windows10上操作，並運用GPU加速運算。

目前計畫執行已完成AI邊緣運算模組硬體與影像擷取韌體開發，其影像擷取影像大小：320x240畫素(72k bytes)圖片大小，影像擷取間隔時間：1分鐘～1000小時（可程式控制），16G記憶儲存空間（Micro SD)，同時具有感光與捕光功能，且可行動電源操作驅動。其實體圖如下：

四、討論

產業生產設備自動化升級與系統整合，是當前產業再造的利基點。為解決我國菇類產業面臨的現況問題與提升產業動能，導入智慧農業相關研究後，將開發菇類全環控與自動化採收智慧化生產技術以作為未來產業再造的應用發展重點技術，經由開發菇類生產設施、相關機械之軟硬體與整合及導入節能設備的相關研究，希冀串接生產端、供應面與消費端等面向之需求，以提升我國菇類整體產業競爭力。

本計畫因應產業需求，已開發混域式傳輸物聯系統，適用我國小農型態菇類產業。系統開發由底層（元件端）硬軟體技術建構，結合我國ICT產業能量，期能建立高穩定性、低成本之農業物聯系統。感測/無線傳輸元件選用以國產產品為主，然而溫濕度感測IC，國內無相關廠商產品，因此選用國際大廠TE Connectivity 公司之產品。開發階段，發現TE公司提供兩款溫濕度感測IC，其中一款為鐵福龍膜覆蓋型感測IC（本計畫選用），其濕度感測訊號較低，其情形初步判斷為質量傳輸差異因素，為解決此差異現象，需進行濕度感測訊號校正。

訊號校正首要為校正環境建立，本計畫已建立飽和鹽度下相對濕度校正系統，擬運用三種鹽類MgCl2/NaCl/K2SO4飽和鹽溶液下，其平衡相對濕度(攝氏25度)約為33%/75%/97%（圖A）。校正系統採用密閉環境（血清瓶）操作方式，實驗設計與校正結果如下圖（B.校正感測設計，C.飽和鹽相對濕度系統，D.鐵福龍覆膜感測IC校正線性圖）。

▲研發團隊：農業試驗所/工研院產服中心智慧農業創新基地

聯絡人：曹嘉惠

電話：03-5915589

E-mail：jiahueytsao@itri.org.tw