圖/資策會
資策會創服所日前以「智慧農業數位分身(Digital Twin Solutions for Smart Farming)」技術,在全球超過1,000項創新技術的角逐中,拿下第57屆美國R&D全球百大科技研發獎(R&D 100 Awards)。這項技術應用了「數位分身(Digital Twin)」的概念,透過IoT設備蒐集農、漁業生產場域的數據,並加入生產者的決策經驗,來建立一個輔助生產的決策模型,最多可提高生產效率30%。
數位分身最早用於製造業的場域,比如波音公司用IoT蒐集飛機數據,到虛擬空間建立真實飛機的模型,再透過採集到的數據,來對實體世界的飛機做模擬測試,去預測它未來是否需要維修或調整,進而優化飛機性能並減少故障率。
不過,不同於一般製造業的生產環境,農業生產環境藏有許多不可控因素,如氣候變遷、作物成長表現、水質變化等,要如何判斷下一步地種植、養殖行為,光靠數據還不夠,農民個別經驗也很重要。因此,除了在場域布建感測器蒐集數據,資策會也要將人的經驗(Human Intelligence)數位化,來訓練出生產決策模型,根據環境變化提醒農民做出相應決策。
比如說,以養殖魚塭為例,資策會以三種數據來訓練模型。首先,是在魚塭的設施布建感測器,蒐集的數據包括溫度、鹽度、ph值、亞硝酸鹽、溶氧量、葉綠素A、氮氣、ORP、濁度等,了解魚塭的基本環境條件。
再者,則是蒐集漁民長期累積的知識經驗,這會反應在不同情況下採取的行動。例如溶氧量不足時,要增加水中的氧氣有多種作法,最常見的是用水車打入氧氣,情況較緊急時則用溶氧器更有效。不過要用甚麼工具、持續幾分鐘,這些決策往往是靠漁民的經驗,因此,資策會也要將這些經驗數據化來作為模型訓練資料。
最後,還要蒐集農作物、產物的成長數據,去了解在不同環境、決策下,魚蝦的數量與大小差異。透過以上三種數據,就可以建立出漁民養殖決策模型,即時分析場域資訊來提供決策建議,對於年輕、經驗不足的漁民來說,就能複製優秀農民的經驗來減少試錯,而且,農漁民也不須學會維運雲端平臺的決策模型,或是到儀表板去檢視數據,模型將自動蒐集數據並即時分析,在不同情況發送通知到農漁民的手機,提醒現在應採取的行動。
此外,模型本身也會動態學習漁民的經驗來優化決策。例如,將漁民A的模型提供給漁民B使用,當魚塭溶氧量不足時,AI學習漁民A的經驗,自動建議漁民B可以打開水車5分鐘,但漁民B可以選擇不採用而打開水車10分鐘。有鑑於與模型建議決策不同,系統評估後,若後者的決策帶來更好的結果,就會以該數據來重新優化模型、且不斷動態修正。
運用場域中感測器蒐集到的資料,會上傳到雲端平臺即時分析,在狀況發生時傳送訊息給用戶手機,來提醒應執行的行動。
產品化帶來更多挑戰
資策會服創所組長邱璟明也表示,目前在養蝦場域的測試成果,臺灣養蝦的存活率平均約10%左右,不過用了數位分身的技術來輔助決策後,一般漁民也可以達到優良漁民的養蝦存活率10-30%,未來也要進一步在各種場域進行測試,預計在明年Q3或Q4產品化完成。
不過,邱璟明也表示,目前該技術也有些挑戰未能克服。其一,是現行的技術較適合用於溫室、魚塭等環境變因較可控的場域,若是在室外,光是感應器的布建就是一大問題,風吹日曬將使感應器壽命變短,而且,室外場域由於環境變因不可控,模型預測的準確度也會降低。
其二,則是導入門檻高。邱璟明表示,未來該技術產品化之後,雖然可降低部署成本50%,也因更精準的決策能減少飼料、肥料、農藥的使用成本,然而,對一般農民來說,導入該產品仍是一筆負擔,高價值作物的業者較可能接受導入成本,「最近總統一直說要撥預算補助農器具,未來我們會再跟相關部門研討,該技術是否能成為一種農器具的補助。」
熱門新聞
2024-10-05
2024-10-07
2024-10-07
2024-10-07
2024-10-07
2024-10-07
2024-10-07