資策會智慧農業技術在美國獲獎，結合環境IoT和老手知識建立生產決策模型

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。」