科技应该要服务农业,黄能富一开场即指出:我们的农业和科技走得太远,应该把它们融合起来。物联网怎么帮农业提升产值、质量?农业目前碰到的最大问题是缺工,如何利用自动化来补足人力需求?
黄能富的团队在台湾地区一些大型农场安装了传感器(sensor)。这些传感器使用了两种技术,LoRa和NB-IoT。Lora是一种长距离、低功耗的无线网络技术,传输距离最远可到20公里,适合户外使用。NB-IoT则是窄频物联网,也是一种低功耗广域网。
在农场搜集多样性的数据后,透过LoRa或NB-IoT上传到云端,进行大数据分析。黄能富指出,他们必须跟农业专家密切合作,借重他们的种养技术与农业know-how,利用人工智能分析数据之后,再传回到农场进行控制,例如:施肥、灌溉、滴灌、补光、开风扇。
为了建立物联网云端农业数据分析服务平台,黄能富的团队发展了几个核心技术,包括:物联网农场数据收集与传输、人工智能大数据分析、云端自动化控制、农业区块链、人才培育等。他们也开始整合科技、艺术、文创。
他们在农场收集的数据包含了:土壤温湿度、二氧化碳、光照度、PH值、PM2.5等。传输技术则包括:Zigbee、蓝牙、LoRa和NB-IoT。数据送到云端之后会储存并进行可视化处理,然后透过人工智能进行分析,这时就需要农业专家的协助,最后再透过云端进行农场的控制。
为了这个服务平台,他们也开始整合不同的团队:有无人机团队(负责喷洒、照相),也有软件机器人(自动写程序),有农业专家、智慧医疗、艺术科技、农业区块链、通路等方面的团队。
黄能富希望从作物生长之初就开始搜集数据,不管是之后的检验报告,或者运输过程,所有东西都要监控,然后利用区块链记录下来,将来就可以溯源。从通路、市场到餐桌,希望这一路的数据都是透明、不可修改。
智慧农业的实例
屏东县里港乡有台湾地区最大的火龙果农场,黄能富团队在那里架设了环境传感器和LoRa基地台。火龙果是需要强日照的水果,但台湾在秋分之后日照不足,所以晚上要补光。但农民不知道要补多少光,研究团队就透过数据搜集与分析精算光照度,然后建议农民照光时间。
另外,研究团队也透过“精准农业”进行产量预测。他们在建立神经网络之后,会拿上千张的火龙果花朵照片以深度学习的方式训练人工智能。不用告诉人工智能花长怎么样,它就能算花,而且不会跟灯泡搞混。接着再把现场空拍的照片喂给人工智能,它就会自动计算花的数量。
火龙果从开花到结果大概40天,前后各派出无人机拍摄照片,然后透过人工智能精算比对,就可以掌握花与果的数量差距。西瓜、菠萝也都可以比照办理。
黄能富团队也帮云林古坑的咖啡园进行智慧管理。因为这个咖啡园在深山里,交通很不方便,农民想知道什么时候可以采收,这样就不用来回奔波。研究人员就在咖啡园里架设Sensor Hub,拍摄咖啡豆的照片(成熟的咖啡豆呈红色,未成熟则是绿色),在现场计算红绿咖啡豆的数量之后,把结果送出来。这就是所谓的Edge Computing(边缘运算),因为山上通讯不良,无法传输高分辨率照片,所以不把计算放在云端,而是现场算,然后送出结果。
农业的确需要科技帮忙,但黄能富强调:“ICT(信息与通讯科技)只是配角,我们的目标是要让主角的农业变得有智慧,提升农业的精致、精准、品味、价值。”
来源:台湾清华大学资讯工程系教授兼电机信息学院院