從農人口短缺及人口老化是各國農業所面臨的問題，而環境及氣候的變異也是影響農作物的關鍵因素之一，將科技應用於農業不但能夠解決從農人口問題，也將為農作帶來不同的工作模式

政府自106年起開始推動5＋2產業創新計劃，即以「智慧機械」、「亞洲‧矽谷」、「綠能科技」、「生醫產業」、「國防產業」、「新農業」及「循環經濟」，作為驅動台灣下世代產業成長的核心。

針對農業解決方面，政府以解決糧食安全、食品安全、綠色環保、資源效率等議題為主，推動「新農業創新推動方案」。科技部也宣布自今（107）年起推動「智慧科技於農業生產應用」專案計畫，並於9月4至5日舉辦「2018智慧科技於農業生產應用」國際研討會，邀請國內外講者及產官學研界學者專家參與交流，計畫包含「農業生物科技、水資源利用及環境化技術之開發」、「農業機械智慧化及AI/IoT在農、漁、畜牧業之應用」，以及「農、漁、畜產品保鮮之應用」等重點主題。

智慧科技運用－以日本為例

其中日本農研機構農業技術革新工學研究中心領域長八谷滿利用日本現今務農人口年齡、狀況來探討智慧化農業以及解決方式。他指出目前務農人口中，2/3為60-69歲人口，未來5到10年退休後，務農人口將急遽減少。目前日本智慧農業正面臨農田急速分散、農業規模擴大、節能效率受現有技術限制等問題，因此需要開發自動化機械和資通訊技術幫助擴大經營規模。

八谷滿以日本土地利用中的稻田及農場為例，講述水管理系統（water management system）及自動化農機－機器人拖拉機系統（robotized tractor system）的應用實例。

水資源管理系統

在大規模的農地中結合多種品種、種植季節和種植方法，導致農民擔心水資源管理的複雜性和勞動力需求增加；此外因農民數量減少，若以過去的方法管理，將增加管理水資源的時間。

他指出，過去農人需要逐田觀察以管理水資源，現在開發出自動水管理系統的雲端服務，則能夠透過遙測技術將數據上傳雲端，此系統可持續收集各式生長條件狀況，包含水位、水溫、氣候等資訊，再逐項統整進系統服務，並預計今年投入實務運用。

機器人作業

利用衛星實現農業機械化，結合衛星定位系統於曳引機、插秧機與收割機等自動化農業機械等技術已以進入實務應用階段，這些機器在作業期間能感應到人和障礙物，並採取適當反映。

針對自動化農機的操作，實際操作案例有兩種，其一為多機協同作業，以人控制農機伴隨於機器人所操控的農機旁，讓產量也能夠倍增；其二為同時工作，由機器人控制的農機在前，人駕農機在後（如圖1）。

圖1 : 自動化農機操作方式。（source：An Overview of Japan’s Efforts

for Smart Agriculture；Mitsuru HACHIYA；2018.09）

八谷滿指出，在使用自動化機械時，最重要的前提是制定完整規範以確保維護社會基礎設施與環境安全。在農林水產省、農業機械製造商、大學及其他研究機構等組織的合作下，已經在去（2017）年3月完成指導指南，並以此作為基礎，與NARO農業機械研究所（Institute of Agricultural Machinery, NARO）建立評估農業自動化機械安全性之方法，計畫於今年建立「無人／無人載具合作工作系統」。

此外日本首相安倍晉三已於2016年宣示於農業導入機器人技術，不過八谷滿說，目前完全導入機器人耕作水稻田仍存在問題，預計從今年起先實行「共同作業體制」（manned-unmanned cooperative work system），盼2020年可達到通過遠程監控完全無人化耕作（Unattended systems via remote monitoring）的目標。

農業1.0到農業4.0

東京大學特任教授平藤雅之指出，農業1.0到農業4.0的演化，並沒有十分明確的時間區隔。以日本而言，農業1.0是從1900年開始，小規模勞力密集型耕作為主；到2.0變成大量生產，在這個時候開始導入機械及農藥，適合大規模農田，創造大生產力，不過日本因農地面積小，所以僅導入小型農機，而像北海道則是偏向歐美的2.0，農民的效率及收入變得相當可觀。

自農業3.0便開始加入科技的應用，農業3.0約從 2000開始，屬於精緻農業，活用IOT跟AI的力量，以及機械化來增加效率及產量，牽引機加入GPS讓農業普及，然而卻讓大規模的農家跟小規模的農戶差異會越來越大；而在農業4.0則是透過資料的蒐集及反覆比對希望可以實現無人農業，因此大數據就變得至關重要。

大數據的蒐集變得至關重要

圖2 : 過去（左）到現在（右）資料蒐集方式的改變。

（source: AI and big data enabling unmanned food production, Masayuki HIRAFUJI）

平藤雅之指出，據日本的研究機構顯示，農民的數量逐漸減少，卻要維護更大的農地。因此透過機器人、感測網絡、無人機及UGV（無人地面載具）與IoT就能全面採集降息的農地資料，這些資料也將組成大數據，藉由機器學習，AI就能產出作物生長模式和產量、價格預測模型，也能夠透過遇刺測結果設計出最佳耕作計畫。

圖3 : 現場物聯網設備（開放式現場服務器）已經簡化了橫向擴展並升級其外型。（source: AI and big data enabling unmanned food production, Masayuki HIRAFUJI, 2018.09）

平藤雅之表示，目前本東京大學正在開發一項建構農業大數據（AgriBigData）的技術，由感測網絡（FieldServer）和無人機所採集的時間序列數據構成，另外也正在設計AgriBigData以開發新知識，協助改善育種合耕作問題。

然而，在傳統農場中大規模設置傳感器節點十分不易，由於植物會屏蔽Wi-Fi和3G／LTE電波，以及干擾裝設及維護作業；此外利用無人機來拍攝數據所需數據也相當危險，除了無人機低空飛行時所產生的沉降風外，也容易在迴轉時操作不甚落下造成作物損失。

為解決此問題，平藤雅之透漏，我們想出DATA-FARM的概念，使用DATA-FARM並不是為了生產食物，而是為了生產數據（尤其是真值參考數據），DATA-FARM的設計可以使設置感測節點，並指收及觀測目標的圖像，進而快速開發新的感測技術更加容易。DATA-FARM中的環境也能像植物生長鄉一樣受到控制，目前此項技術也已得到JST CREST（JPMJCR1512）的支持。

台灣農業 vs. 日本農業

八谷滿指出，現在日本所開發的技術並非以歐美的大量種植為目標，而是以亞洲國家，如日本、台灣等為對象，這些農機規模多為50至60匹馬力，最大也不過100匹馬力。不過他也表示，台灣目前農耕地面積小，且多為小農，日本則是法人化經營，以要機器人代替人類操作機器而言，農作規模擴大較能發揮其使用目的及效率。

智慧農業浪潮－溫室系統

除了上述八谷滿及平藤雅之所提到農業人口流失的問題外，全球暖化、極端氣候、能源使用量提高及生態失衡所造成糧食安全需求提高也成為現今農業需要解決的狀況，大同公司行銷暨策略處處長楊勝帆指出，「全方位智慧溫室控制整合分散式農業電網系統」結合風能﹑太陽能、儲能系統及水資源循環系統，透過智慧監測系統、溫溼度控制系統、造水系統及病蟲害防治策略達到減少農損、增加收益的目的。

相較於一般簡易的溫室僅有簡易防風、防寒害及灑水系統，微電網的導入可以提供作物適合的溫度，並監視環境濕度及控制環溫室內的環境，針對蔬果生長的數據行動化也能夠即時顯示，除了可以大幅降低人力及能源消耗外，也能夠有效提升作物良率。

圖4 : 大同智慧溫室結合再生能源。（source: AI/IoT智慧農業一條龍應用，楊勝帆，2018.09）

此外大同也針對從頭（源頭管理）到尾（消費者）提出一條龍的產銷架構，看準食品安全的議題，從農作物映鮮安全審核、協助制定農業策略及防治技術支援，並製作生產履歷，到客戶喜好需求分析，使消費者從線上直接訂購，除了減少中盤商的層層剝削外，也確保農民的收益及消費者「知的權利」與「食的安全」。

從八谷滿及平藤雅之的介紹中可以看到日本在農業上的改變及解決方案，從農機操作的改變、大數據的蒐集到應用，以及考量實際運用的成本，從人工智慧與大數據來推動食物生產無人化的目標；從大同公司可以看到台灣企業針對舊有溫室的缺點，以及環境變異、能源使用作為考量打造出的智慧溫室。從AI及IoT到大數據的整合，無非是為了達到解決從農人口老化及減少，以及環境、氣候的改變造成之問題的目的。

**刊頭圖（source:pexels）