雲林口湖漁類加工合作社,在今年1月取得全球僅2%頂尖養殖魚類業者才能拿到的BAP認證,未來,年外銷約3,000公噸的臺灣鯛,將有機會在Costco或Walmart上架了。

圖片來源: 

圖/取自雲林口湖漁類加工合作社Youtube

想要將漁產品賣進Costco、Walmart,並不是件容易的事!必須取得全球前2%魚類養殖業者才拿得到的BAP認證(Best Aquaculture Practices,最佳水產養殖規範認證),才有機會成為跨國連鎖超市的供應商。但是雲林這家魚肉加工廠不只拿到了這張入場券,還首開先例,成為全球第一家,透過遠端稽核獲得BAP認證的業者,順利通過的關鍵技術就是區塊鏈和AI。

像養殖魚類的BAP認證,或農產品相關國際認證如GGAP(Global Good Agricultural,全球優良農業規範)的申請,對農、漁民來說,不只需要填寫全英文的認證文件,甚至要蒐集複雜的數據,導致整個流程繁瑣且執行不易。一旦資料填寫不完全,就得延長數據蒐集時間,有些業者甚至花費了一年多人工填表,還無法取得認證。再加上,國外稽核人員過去都會親赴生產地,查驗認證資料與現場狀況是否相符,但受到疫情影響,稽核人員難以來到臺灣,如何確保生產資料的真實性,也成為認證核發的一大考量。

為了降低農漁業者取的國際認證的門檻,工研院開發了一套結合AI與區塊鏈技術的預認證系統BeCert,先將各場域蒐集的生產、管理數據上鏈,並透過語意理解與知識圖譜的技術,自動分析生產數據,並填答到認證文件中,自動預審核後若發現仍有資料缺失,就能提早要求業者補齊或更正,確認無虞後,再向國際認證組織申請遠端稽核。

這套系統從去年啟用後,已經在今年初協助雲林口湖漁類加工合作社,取得全球第一張以遠端稽核形式核發的BAP認證;實際用於輔導國內最大的香蕉集銷中心藝隆農產後,也協助業者在半年內取得了GGAP認證,將原先認證稽核的準備時間縮短一半。

雲林口湖漁類加工合作社,今年1月取得全球第一張以遠端稽核形式核發的BAP認證,換句話說,年外銷約3,000公噸的臺灣鯛,將有機會在Costco或Walmart上架了。

靠AI分析認證文件與生產數據進行預認證,能將資料準備期縮短一半

要將過去需要人工填寫的繁複認證表單,透過自動化填答來進行預認證,工研院服科中心智慧物流與供應鏈整合服務組專案副組長羅國書解釋,核心技術就是透過AI來達成。

首先,工研院開發了BERT演算法,運用語意理解的技術,翻譯並分析國外認證文件的需求,再透過知識圖譜進行關聯性分析,將原先複雜的文件條文,透過類似樹狀圖的方式來呈現,同時,也將業者的生產數據,同樣運用知識圖譜進行關聯性分析,再自動比對並填入相對應的位置,最後再透過語意分析還原完整的文句,最後生成出英文認證文件。

羅國書舉例,假設認證文件有100個題目需要填答,AI會自動將題目分析成圖譜,並在取得客戶資料後,也將客戶資料資料變成圖譜,相互比對就能填入相應答案。假設有一個題目詢問:「在養殖的過程中,你是否擁有養殖土地的所有權?」就能把題目以知識圖譜拆解成,養殖要有土地、土地會有權狀;比對業者的資料後,就可以自動填入答案,說明是否具有土地權狀,權狀序號為多少,最後再將這些關聯性分析的結果,經語意處理還原回原本的文件格式。

AI會自動將題目進行關連性分析,以知識圖譜來呈現。

過程中,若有題目找不出相應答案,或是填答錯誤,系統即會回報,讓業者能重新針對不足之處備妥資料,「就像是先幫業者模擬考,讓業者知道哪邊有缺口,再進行補強。」藉由系統進行預認證,並輔以臺灣的顧問團隊協助審核與輔導,就能讓後續的國際認證稽核更順利,資料籌備時間更能縮短一半。

若有不足之處,系統會通知業者補充資料或改進。

工研院研發的這套AI引擎,也能在針對個別認證文件重新訓練AI模型後,適用於不同產業,「核心技術是一致的,根據不同場景請專家微調就能適用。」未來,工研院預計要提供給保健食品、化妝品、電子業等業者,取得各類國際認證時使用。

將生產數據上鏈,首次說服國際認證組織採取遠端稽核

除了運用AI,工研院也協助業者將生產數據上鏈,透過區塊鏈不可篡改的特性,來取信於國際認證組織,願意在疫情期間改採遠端稽核的形式來核發認證,「我們跟BAP組織溝通,前後花了四個月的時間,才說服他們第一次進行遠端稽核。」

羅國書舉例,採用區塊鏈後,一旦從感測器蒐集到生產數據,比如每日的水質記錄,上鏈後數據就無法更改,除了在第一次稽核時能取信於認證方,透過系統持續蒐集不可篡改的生產數據,後續要通過年度稽核時也更容易,「因為原本就已經合規了,後續每年不用請顧問重新協助蒐集資料,只要檢查系統資料、生產環境有沒有改變,通過認證會更簡單。」

不過,羅國書也指出,工研院目前是採用私有鏈的形式,協助業者將數據上鏈。雖然私有鏈帳本也具有不可竄改的特性,但可信度仍不如聯盟鏈、公有鏈來得高,還是有機會發生數據造假的可能,因此,工研院也在考慮,未來由多個業者共組聯盟鏈的可行性,或是直接採用公有鏈為基礎架構。

AI與區塊鏈的應用基礎:生產數據與管理記錄數位化

無論是要將生產數據匯入系統進行預認證,或是將數據上鏈確保真實性,要導入這些技術的前提,是要將生產數據與管理記錄數位化。身為第三代臺灣鯛養殖戶,同時是口湖漁類加工合作社(以下簡稱合作社)的總經理王益豐,早在兩年前,開始意識到數位記錄的重要性。

他回憶,過去,傳統漁場的養殖過程完全沒有記錄,若要蒐集這些BAP認證所需的資料,就得靠品管人員定期去要資料,「傳統上漁民會有點排斥,因為他早期不需要做這些事情,」不僅數據取得耗時費力,也因為過去採用人工填表的方式,導致這些數據後續與工廠管理資料串接時,時常有誤差,比如時間填錯,資料就會無法串接整合。

為此,合作社自行尋找資服業者,建置起生產數據管理系統。除了建置田間管理的IoT的感測裝置,蒐集包括飼料量、溶氧量、PH值、氨氮含量、死魚量等數據,也串連起工廠管理的記錄,比如環境管理、員工管理、社會責任管理、勞安規範等記錄,來數位化臺灣鯛的生產加工過程。過程中,工研院也從去年開始協助開發系統,來完整串連生產數據。

王益豐也指出,導入系統後,由於平時就能更全面的將生產週期管理、水質管理、魚苗管理以及分魚紀錄等數據,都記錄下來,後續若要進行認證,只需要彙整這些日常管理的紀錄,就能準備好認證資料,不需再透過顧問協助進行長達半年的資料搜集。

開發了生產數據管理系統,業者平時就能將生產週期管理、水質管理、魚苗管理以及分魚紀錄等相關數據數位化。

不過,由於合作社的系統,並非依據BAP所需的認證資料來進行開發,工研院另外建置了一套在BAP框架下的生產數據管理系統,同時也透過這套系統的數據來進行預認證。

因此,當合作社要取得認證時,目前採取的做法,是將自家系統的生產管理數據,匯入或輸入工研院新系統中,來進行預認證。王益豐也在考量,因工研院的系統是根據國際認證所需的資料來設計,未來可能直接採用工研院的系統,來作為合作社管理生產流程的依據,讓後續的認證稽核更便利。

工研院開發的生產數據管理系統。

熱門新聞

Advertisement