从农人口短缺及人口老化是各国农业所面临的问题，而环境及气候的变异也是影响农作物的关键因素之一，将科技应用于农业不但能够解决从农人口问题，也将为农作带来不同的工作模式

政府自106年起开始推动5＋2产业创新计划，即以「智慧机械」、「亚洲‧矽谷」、「绿能科技」、「生医产业」、「国防产业」、「新农业」及「循环经济」，作为驱动台湾下世代产业成长的核心。

针对农业解决方面，政府以解决粮食安全、食品安全、绿色环保、资源效率等议题为主，推动「新农业创新推动方案」。科技部也宣布自今（107）年起推动「智慧科技于农业生产应用」专案计画，并于9月4至5日举办「2018智慧科技于农业生产应用」国际研讨会，邀请国内外讲者及产官学研界学者专家参与交流，计画包含「农业生物科技、水资源利用及环境化技术之开发」、「农业机械智慧化及AI/IoT在农、渔、畜牧业之应用」，以及「农、渔、畜产品保鲜之应用」等重点主题。

智慧科技运用－以日本为例

其中日本农研机构农业技术革新工学研究中心领域长八谷满利用日本现今务农人口年龄、状况来探讨智慧化农业以及解决方式。他指出目前务农人口中，2/3为60-69岁人口，未来5到10年退休后，务农人口将急遽减少。目前日本智慧农业正面临农田急速分散、农业规模扩大、节能效率受现有技术限制等问题，因此需要开发自动化机械和资通讯技术帮助扩大经营规模。

八谷满以日本土地利用中的稻田及农场为例，讲述水管理系统（water management system）及自动化农机－机器人拖拉机系统（robotized tractor system）的应用实例。

水资源管理系统

在大规模的农地中结合多种品种、种植季节和种植方法，导致农民担心水资源管理的复杂性和劳动力需求增加；此外因农民数量减少，若以过去的方法管理，将增加管理水资源的时间。

他指出，过去农人需要逐田观察以管理水资源，现在开发出自动水管理系统的云端服务，则能够透过遥测技术将数据上传云端，此系统可持续收集各式生长条件状况，包含水位、水温、气候等资讯，再逐项统整进系统服务，并预计今年投入实务运用。

机器人作业

利用卫星实现农业机械化，结合卫星定位系统于曳引机、插秧机与收割机等自动化农业机械等技术已以进入实务应用阶段，这些机器在作业期间能感应到人和障碍物，并采取适当反映。

针对自动化农机的操作，实际操作案例有两种，其一为多机协同作业，以人控制农机伴随于机器人所操控的农机旁，让产量也能够倍增；其二为同时工作，由机器人控制的农机在前，人驾农机在后（如图1）。

图1 : 自动化农机操作方式。（source：An Overview of Japan’s Efforts

FR S MA RT AG登陆;富裕，2018.09）

八谷满指出，在使用自动化机械时，最重要的前提是制定完整规范以确保维护社会基础设施与环境安全。在农林水产省、农业机械制造商、大学及其他研究机构等组织的合作下，已经在去（2017）年3月完成指导指南，并以此作为基础，与NARO农业机械研究所（Institute of Agricultural Machinery, NARO）建立评估农业自动化机械安全性之方法，计画于今年建立「无人／无人载具合作工作系统」。

此外日本首相安倍晋三已于2016年宣示于农业导入机器人技术，不过八谷满说，目前完全导入机器人耕作水稻田仍存在问题，预计从今年起先实行「共同作业体制」（manned-unmanned cooperative work system），盼2020年可达到通过远程监控完全无人化耕作（Unattended systems via remote monitoring）的目标。

农业1.0到农业4.0

东京大学特任教授平藤雅之指出，农业1.0到农业4.0的演化，并没有十分明确的时间区隔。以日本而言，农业1.0是从1900年开始，小规模劳力密集型耕作为主；到2.0变成大量生产，在这个时候开始导入机械及农药，适合大规模农田，创造大生产力，不过日本因农地面积小，所以仅导入小型农机，而像北海道则是偏向欧美的2.0，农民的效率及收入变得相当可观。

自农业3.0便开始加入科技的应用，农业3.0约从 2000开始，属于精致农业，活用IOT跟AI的力量，以及机械化来增加效率及产量，牵引机加入GPS让农业普及，然而却让大规模的农家跟小规模的农户差异会越来越大；而在农业4.0则是透过资料的搜集及反覆比对希望可以实现无人农业，因此大数据就变得至关重要。

大数据的搜集变得至关重要

图2 : 过去（左）到现在（右）资料搜集方式的改变。

（资料来源：AI和大数据，实现无人食品生产，Masayuki Hirafuji）

平藤雅之指出，据日本的研究机构显示，农民的数量逐渐减少，却要维护更大的农地。因此透过机器人、感测网络、无人机及UGV（无人地面载具）与IoT就能全面采集降息的农地资料，这些资料也将组成大数据，藉由机器学习，AI就能产出作物生长模式和产量、价格预测模型，也能够透过遇刺测结果设计出最佳耕作计画。

图3 : 现场物联网设备（开放式现场服务器）已经简化了横向扩展并升级其外型。 （source: AI and big data enabling unmanned food production, Masayuki HIRAFUJI, 2018.09）

平藤雅之表示，目前本东京大学正在开发一项建构农业大数据（AgriBigData）的技术，由感测网络（FieldServer）和无人机所采集的时间序列数据构成，另外也正在设计AgriBigData以开发新知识，协助改善育种合耕作问题。

然而，在传统农场中大规模设置传感器节点十分不易，由于植物会屏蔽Wi-Fi和3G／LTE电波，以及干扰装设及维护作业；此外利用无人机来拍摄数据所需数据也相当危险，除了无人机低空飞行时所产生的沉降风外，也容易在回转时操作不甚落下造成作物损失。

为解决此问题，平藤雅之透漏，我们想出DATA-FARM的概念，使用DATA-FARM并不是为了生产食物，而是为了生产数据（尤其是真值参考数据），DATA-FARM的设计可以使设置感测节点，并指收及观测目标的图像，进而快速开发新的感测技术更加容易。 DATA-FARM中的环境也能像植物生长乡一样受到控制，目前此项技术也已得到JST CREST（JPMJCR1512）的支持。

台湾农业 vs. 日本农业

八谷满指出，现在日本所开发的技术并非以欧美的大量种植为目标，而是以亚洲国家，如日本、台湾等为对象，这些农机规模多为50至60匹马力，最大也不过100匹马力。不过他也表示，台湾目前农耕地面积小，且多为小农，日本则是法人化经营，以要机器人代替人类操作机器而言，农作规模扩大较能发挥其使用目的及效率。

智慧农业浪潮－温室系统

除了上述八谷满及平藤雅之所提到农业人口流失的问题外，全球暖化、极端气候、能源使用量提高及生态失衡所造成粮食安全需求提高也成为现今农业需要解决的状况，大同公司行销暨策略处处长杨胜帆指出，「全方位智慧温室控制整合分散式农业电网系统」结合风能﹑太阳能、储能系统及水资源循环系统，透过智慧监测系统、温湿度控制系统、造水系统及病虫害防治策略达到减少农损、增加收益的目的。

相较于一般简易的温室仅有简易防风、防寒害及洒水系统，微电网的导入可以提供作物适合的温度，并监视环境湿度及控制环温室内的环境，针对蔬果生长的数据行动化也能够即时显示，除了可以大幅降低人力及能源消耗外，也能够有效提升作物良率。

图4 : 大同智慧温室结合再生能源。 （source: AI/IoT智慧农业一条龙应用，杨胜帆，2018.09）

此外大同也针对从头（源头管理）到尾（消费者）提出一条龙的产销架构，看准食品安全的议题，从农作物映鲜安全审核、协助制定农业策略及防治技术支援，并制作生产履历，到客户喜好需求分析，使消费者从线上直接订购，除了减少中盘商的层层剥削外，也确保农民的收益及消费者「知的权利」与「食的安全」。

从八谷满及平藤雅之的介绍中可以看到日本在农业上的改变及解决方案，从农机操作的改变、大数据的搜集到应用，以及考量实际运用的成本，从人工智慧与大数据来推动食物生产无人化的目标；从大同公司可以看到台湾企业针对旧有温室的缺点，以及环境变异、能源使用作为考量打造出的智慧温室。从AI及IoT到大数据的整合，无非是为了达到解决从农人口老化及减少，以及环境、气候的改变造成之问题的目的。

**刊头图（source:pexels）