美國無人機公司執行長:盤點10個還沒成熟的智農科技


「人工智慧、無人農場、影像辨識」是科技農業的熱門關鍵字,這些技術真的已經落實在產業了嗎?美國農用無人機服務公司「Satshot」執行長Nathan Faleide先生在9月時發表了犀利的評論文章,點破智慧農業的迷思。文中他以 have got swept up in the hype and illusions of what some of these things promise.」中譯:(大多智慧科技)淪於炒作和過度吹噓。

{原文語句:I feel many have got swept up in the hype and illusions of what some of these things promise.}

Nathan列出10個智慧農業科技,並提出這些科技尚未成熟的原因(we just aren’t ready for yet)。他也呼籲新創企業必須重新檢視智慧農業的實際應用現況,並針對困境調整發展方向。

人工智慧(機器學習)的決策系統與產量預測服務
(
AI/ML and Yield predictions)

人工智慧與機器學習是智慧農業科學中最熱門的研究領域,許多業者將AI技術導入產品中,但效果不彰。畢竟農田裡環境、生物、與人為操作等的變因太多了,就研究發展進度而言,目前仍停留在資料累積的階段。

「產量預測研究」從來就不是新奇的概念。事實上各國政府部門已經有相當長久產量預估經驗(只是從來沒有精準的預測結果)。過去缺少蒐集大數據的工具,現在得以快速累積更多數據讓結果更精準。但這也僅僅是在變數非常少的狀態下的預測結果,未來還需要AI和影像辨識技術互相結合才能看見成效。




無人農場與高光譜影像分析技術
Automated agronomy and Scalable hyperspectral imagery data )


無人農場(automated agronomy)的管理模式,到現在仍然沒有成功案例。想在開放的大田系統裡做到完全自動化的病蟲草害管理,或是只倚賴運算結果產出的「自動化決策系統」都不太可行。

因為田裡有太多環境與生物變數,而且電腦決策目前通常還是無法令人信賴。

NDVI歸一化植被指數, Normalized Difference Vegetation Index)是最常見的光譜影像技術,技術人員可以分析植物反射光譜資料,藉此評估作物的生長狀態,然後調整農業栽培管理措施。

不過作物生長的環境千變萬化,不同微氣候因子也都會改變光譜資料,換句話說這項技術仍停留在「蒐集資料」的發展階段。就算建立了單一作物的光譜分析模式,在不同人為操作與田間管理的條件下,我們仍無法保證這項模式足以應付所有田間情況。





小型農業機器人與無人收穫機
(
 Small field robots and  Auto grain carts)


農業機器人是媒體最喜歡的報導素材,無論是管理、收穫、或是物流的應用,小型農業機器人都是非常吸睛的焦點。但農業機器人究竟能替農村省下多少人力?產區節省多少成本?引進機器人後需要多久時間才能獲利?換言之,沒有人能說明這項超酷的投資背後的實質經濟效益。


無人收穫機(auto grain carts)經常是農業大國的必備「火力展示」項目 但這種高精密儀器除了成本所費不貲之外,過於複雜的操作流程,例如設定導航路線、機械採收參數、環境因子等,也讓技術很普及化。更別提在勞力老化的農村,操作技術反倒是推廣的最大門檻。

════最有機會「落地」成為智慧農業的產業服務...請往下看═════



 無人機與影像辨識技術
(Drones beyond line of sight and Daily high resolution imagery)

大眾對無人機已經見怪不怪,但相關法規卻限制了產業發展。美國聯邦航空總署(Federal Aviation Administration, FAA) 並沒有針對農業使用項目制定無人機管制規則。特別重視國土安全的美國,各州政府對辦法的細節仍缺乏完整的安全性評估規定與責任豁免判定依據,農用無人機是否能完全落實產業中?法規限制會是關鍵。


農用衛星圖資是Faleide先生認為最能產業化的技術,「優於1(Sub-1 cm Resolution」的解析度等級已經是商用衛星圖資的基本規格,甚至有團隊聲稱5年內有辦法開發優於1米等級的衛星影像辨識系統,農用衛星圖資相較其他技術而言會是最能直接應用在產業的項目。

完整透明的農業產銷資料,農業Amazon不無可能
(Full online ag retail and Fully transparent sustainability data)

智慧農業不該只有「田裡的數據」,Faleide先生提出了新概念:
「好的資料的品質決定一切,而供應鏈上的數位資料也是智慧農業的一環。」


電子商務讓農產品從生產、加工、到運銷的資料,都能完整透明的呈現給消費者。因此消費者的農業教育就很重要,否則當我們將農業最真實的樣貌呈現給消費者時,這些可追溯的資料可能反而讓事情變得更糟。消費者常常被科學語言給嚇跑,而產業需要與消費對話,讓消費者認識這些農業科學詞彙。




Faleide先生在評論文章最後強調:「我不是要唱衰那些想投入智慧農業的人,而是希望大家能共同思考產業困境。」畢竟只有真實面對智慧農業發展的瓶頸,才有進步的可能。

智慧農業的概念最早可追溯至1990年代的「精準農業」:根據環境數據與觀察農田裡的資訊,以最少資源投入從事農業生產的決策支援系統。

隨著數位時代來臨,精準農業也發展出各項科技如:務農機器人、無人機、衛星影像IoT、手機應用程式、以及機器學習等技術。但30年過去了,有多少科技真的「落地」成為農民務農的工具?或仍是「一場遊戲一場夢」? Faleide先生的論述很值得臺灣農業科技新貴們參考。

參考資料:
10 AgTech products/services we aren’t ready for yet
精準農業(維基百科)
常態化差值植生指標
Nathan Faleide 作者資訊頁面

留言

  1. I read yours are very good, suitable for me as a new learning blogspot. I have a Prediksi Jitu blogspot. I am very grateful if friends want to visit on my blogspot
    bandar togel. prediksi togel
    Not only Blogspot, I also learned to make a page, Visit also my cool page Berita terpopuler. Educational material can also be found at bandar bola

    回覆刪除

張貼留言

這個網誌中的熱門文章

【鈣與作物品質,進階篇】鈣肥怎麼挑?哪時後施?怎麼用?實習の植物醫生筆記

美國農學界呼籲:正視學術與農田的鴻溝,是科學家不可承受之輕

【鎂與作物品質】實習植物の醫生筆記