logo821.gif (10572 bytes) 首頁          新增資料與公告

置頂公告  :

BSE網站預定20221月結束公告

最新消息  :

台灣為什麼不是先進國家
 

 

智能生物產業

首頁
上一層
BSE LAB 介紹
非洲產業研究中心
生醫研究之統計方法
授課資料
人文關懷
無官御史台
武漢肺炎與產業
活動公告區
Orchids Cultivation

 

 
數字農業– 或為什麼農業4.0帶來的回報仍然有限

 

中興大學 生物系統工程研究室 陳加忠

 
 

漫步在農業展覽的攤位上或仔細閱讀農業相關雜誌上的文章,很難擺脫農業工程已經完全數字化的印象。但是,諸如數字栽培和智慧農業等關鍵短語的真正含義是什麼?這些技術在哪裡以及如何立足?是什麼原因阻止了他們在其他地方的成功應用?

精準農業的發展階段

讓我們回顧近二十年前。那時候電子控制系統開始進入農業。GPS技術的民用應用已成為可能,並且價格合理。科學部門正在研究特定地點的特定耕作技術的細節。總之,精密農業的基礎正在鋪設。當時,通過電子系統控制作業涉及到機器操縱的技術難題,使得應用變率作業在實地作業中無法彌補工作品質。與新一代的機械化平行開發的感測器可記錄以作為控制過程的基礎。雖然在工作過程中,都在機器上收集機械作業過程數據。但在應用農藝參數的情況下,此操作需要在離線過程和使用手動評估,因而中付出更多的努力。在這時期,另一個里程碑是開發用於確定作物生產相關參數的即時感測器。

對於精確農業經過的20年的研究,如今有許多類型的感測器可用於記錄與農業相關的參數,以及許多農場管理系統。電子控制機器是最新技術。實際上,現在已經能夠通過不同機器之間的聯絡網路以自動化網絡物理系統。這就是我們所說的農業4.0”。但是,精準農業仍然不能說已經在作物生產中廣泛應用。為什麼不能應用呢?

簡化複雜的事情:智慧技術的作用

僅有數據是不夠的。自動化數據記錄只幫助農場記錄結果,對於其中所收集的材料進行分析,花費更少的時間,得到更多的利潤。並且與基於直覺和決策經驗的工作者進行比較。但是,如今此類新技術帶來的最大附加價值是對於來自機械而不是農產品。例如,商品市場上的期貨交易對農產品價值的影響要快得多,而且是直接影響,例如以特定的管理技術,對於產品品質或其產量,通過現場應用得到單個數字的百分比增加。

智慧農業仍然可以節省時間。據此,農業工程的任務是發展是智慧化系統,使得操作簡單,即所謂的智慧系統的創立。我們將智慧產品稱為比用戶更聰明的產品,因為它們甚至可以在問題出現之前就提供答案。以所謂的健身手環為例,可記錄並分析佩戴者的運動資料。設備的智慧性在於對數值的分析。如果發現步數和心臟頻率低於平均值,這個發現導致一個建議治療:多做運動!但是用戶仍然必須執行這些建議。

第二個例子,來自精準農業。容易使用最成功的作物測系統是那些?即是分析,評估,然後一次完成施加肥份,如所謂的氮感測器。儘管系統內的分析過程非常複雜,但此類感測器非常容易於操作。與此相反,例如,產率地圖即是一種離線方法,它需要額外的處理步驟來分析電腦上的數據。最重要的是,從一次收穫獲得的單次生產數據只能設置為在下一個生長季節使用,這是一項長期投資,需要大量的人工投入,其收益難以評估。

作物生產中感測器和自動化技術的挑戰

感測器開發的挑戰在於需要在的高時間和空間的分辨率以及在最不利條件下量測不同參數。新的分析方法其目的是整合數據並融合不同的消息層,以獲取新知識。另外,在“ 智慧感測器系統的開發中,自動化數據收集的任務的是必需的。從某種意義上說,將決策軟體嵌入在感測器中,因此其結果可直接應用於機器上,以執行精確的管理動作。

但是就上述內容而言,健身手環與氮肥感測器到底有什麼關係?兩種感測器都是對於數據進行分析並處理資料,直到可以從結果中得出建議並採取直接措施。此外,兩種分析均基於與實際目標值並不直接相關的指標。對植物的健康,可以有效地通過樹葉的葉綠素含量或評估綠色顏色。但是如果造成顧客問題的原因不是氮氣供應不足,而是缺少水分,則此系統必須具有其他可用的消息。在這方面,人機之間必須進行直覺的交互作用,這一點也代表了作物生產中感測器和自動化技術的發展巨大挑戰。 

從數據接收到知識管理

我們越了解農藝關係,理解詳細滋的重要性,就越需要更多消息用來理解這些關係。可用的知識越多,理解就越深入,而這又需要更多的數據收集。因此這種情況是一個循環。尤其是近年來在此循環中,收集了越來越多的數據,並且開發了越來越多的農藝知識。但是在此之後,直接可用的農藝知識在實際應用上已停滯了。如今要全面應用精確農業技術,仍然需要大量的統計數據和軟體專業知識。

對於智慧感測器的進一步發展,相關知識必須整合在多因子的決策系統,用以產生知識。目標是開發一個易於操作的複雜系統。具有系統性,全面性和透明概念的解決方案,具有良好的可用性和簡單的應用程序。還必須可以將實際經驗滲入到這些整合系統中,以便農民在智慧技術的幫助下,可以進一步發展其專業知識。決策支持系統開發的核心主題,是從數據存儲到知識檢索,到涉及大量數據的知識管理。目前,通過應用多元統計方法和機器學習技術,正在擴大農分析業數據和感測器數據的可能性。因此,系統的限制也日益擴大。如今,針對完整增值網絡的整體概念已經成為焦點,因此數據的移動傳輸是建立完全整合系統的基礎技術,該系統能夠實現將來自不同來源的即時數據加以整合。

數字化自動化– 最佳化?重點關注作物生產

我們在這裡討論的是知識管理和智慧系統。但是,借助所有這些高科技,我們是否能夠明確地專注於我們的目標?所有技術發展的癥結在於能否創造更有效的農作物生產。自動化和網絡化應該服務於農作物生產過程的系統控制,反之亦然。

在這種環境下,萊布尼茲研究聯盟的可持續食品生產和健康營養創新計劃糧食與農業4.0”關注的是農業生產過程。當然是智慧連接。該計劃的目標是農業4.0的過程技術基礎的跨學科開發。以知識為基礎的決策應確保在產量和利潤方面,滿足社會需求以及個體生產者和消費者的需求,同時還要考慮當地,空間,環境的異質性以及全球氣候現象。為了這個目的,研究目標是在農業生產過程中,發現一個模型,可調整以滿足特定的條件。另一方面,自動化技術與過程應加以控制,以保持天然資源,同時將保持產品品質。

相互操作性的農業數字化網絡,將產生新的加工控制系統和新的銷售模式。例如網上銷售點,其中有數據交易的意見,或有網上直銷交流平台。但是即使使用農業4.0,也只能將播種的東西從田間運回家。例如儘管通過設置知識技術可能可以更好地定位收割位置,但不會降低天氣風險。在此總結,如果我們不注意通過新技術帶來的某些附加價值,在實際上與農產品有哪些相關聯,那麼即使是農業4.0其回報也是有限。