资策会智慧农业技术在美国获奖，结合环境IoT和老手知识建立生产决策模型

资策会创服所日前以“智慧农业数位分身（Digital Twin Solutions for Smart Farming）”技术，在全球超过1,000项创新技术的角逐中，拿下第57届美国R&D全球百大科技研发奖（R&D 100 Awards）。这项技术应用了“数位分身（Digital Twin）”的概念，透过IoT设备搜集农、渔业生产场域的数据，并加入生产者的决策经验，来建立一个辅助生产的决策模型，最多可提高生产效率30%。

数位分身最早用于制造业的场域，比如波音公司用IoT搜集飞机数据，到虚拟空间建立真实飞机的模型，再透过采集到的数据，来对实体世界的飞机做模拟测试，去预测它未来是否需要维修或调整，进而优化飞机性能并减少故障率。

不过，不同于一般制造业的生产环境，农业生产环境藏有许多不可控因素，如气候变迁、作物成长表现、水质变化等，要如何判断下一步地种植、养殖行为，光靠数据还不够，农民个别经验也很重要。因此，除了在场域布建感测器搜集数据，资策会也要将人的经验（Human Intelligence）数字化，来训练出生产决策模型，根据环境变化提醒农民做出相应决策。

比如说，以养殖鱼塭为例，资策会以三种数据来训练模型。首先，是在鱼塭的设施布建感测器，搜集的数据包括温度、盐度、ph值、亚硝酸盐、溶氧量、叶绿素A、氮气、ORP、浊度等，了解鱼塭的基本环境条件。

再者，则是搜集渔民长期累积的知识经验，这会反应在不同情况下采取的行动。例如溶氧量不足时，要增加水中的氧气有多种作法，最常见的是用水车打入氧气，情况较紧急时则用溶氧器更有效。不过要用什么工具、持续几分钟，这些决策往往是靠渔民的经验，因此，资策会也要将这些经验数据化来作为模型训练资料。

最后，还要搜集农作物、产物的成长数据，去了解在不同环境、决策下，鱼虾的数量与大小差异。透过以上三种数据，就可以建立出渔民养殖决策模型，即时分析场域资讯来提供决策建议，对于年轻、经验不足的渔民来说，就能复制优秀农民的经验来减少试错，而且，农渔民也不须学会维运云端平台的决策模型，或是到仪表板去检视数据，模型将自动搜集数据并即时分析，在不同情况发送通知到农渔民的手机，提醒现在应采取的行动。

此外，模型本身也会动态学习渔民的经验来优化决策。例如，将渔民A的模型提供给渔民B使用，当鱼塭溶氧量不足时，AI学习渔民A的经验，自动建议渔民B可以打开水车5分钟，但渔民B可以选择不采用而打开水车10分钟。有鉴于与模型建议决策不同，系统评估后，若后者的决策带来更好的结果，就会以该数据来重新优化模型、且不断动态修正。

运用场域中感测器搜集到的资料，会上传到云端平台即时分析，在状况发生时传送讯息给用户手机，来提醒应执行的行动。

产品化带来更多挑战

资策会服创所组长邱璟明也表示，目前在养虾场域的测试成果，台湾养虾的存活率平均约10%左右，不过用了数位分身的技术来辅助决策后，一般渔民也可以达到优良渔民的养虾存活率10-30%，未来也要进一步在各种场域进行测试，预计在明年Q3或Q4产品化完成。

不过，邱璟明也表示，目前该技术也有些挑战未能克服。其一，是现行的技术较适合用于温室、鱼塭等环境变因较可控的场域，若是在室外，光是感应器的布建就是一大问题，风吹日晒将使感应器寿命变短，而且，室外场域由于环境变因不可控，模型预测的准确度也会降低。

其二，则是导入门槛高。邱璟明表示，未来该技术产品化之后，虽然可降低部署成本50%，也因更精准的决策能减少饲料、肥料、农药的使用成本，然而，对一般农民来说，导入该产品仍是一笔负担，高价值作物的业者较可能接受导入成本，“最近总统一直说要拨预算补助农器具，未来我们会再跟相关部门研讨，该技术是否能成为一种农器具的补助。”