让无人机帮你巡田，AI 给你农耕建议──专访 AI Pal 创办人、中兴大学土木系杨明德教授
▼
近年中国台湾兴起智慧农业风潮，导入高科技辅助农耕决策已成趋势，部分青农与农企已开始使用无人机导入 AI 改善农耕流程，是目前中国台湾农业转型及数位化的主要技术应用。
以中国台湾最常见的水稻种植为例，借由无人机的高解析镜头搭载多元感测器，就能在空中即时搜集生长数据，例如温度变化、叶绿素含量、土壤含氮量等资讯；再结合后端软件进行大数据分析，农民可即时确认作物生长情形、监测是否发生稻热病或病虫害， AI也会给予如补秧、施肥等施作建议，帮助农民根据资讯采取最适当的农耕决策。
执行科技部AI计划“结合UAA监测之智慧农业栽培支援系统”期间，杨明德团队发表的“陆空协作之水稻最佳收获模式”技术，便是基于无人机与行动装置，利用大数据与AI演算法训练水稻最佳收获模型，再整合天气资讯推估未来含水量变化，并于云端平台提供视觉化采收决策服务，协助使用者精准判断水稻最佳采收时机。
▲ 杨明德教授与AI Pal团队“陆空协作之水稻最佳收获模式”示意情境。
然而对农民来说，追求最佳采收时机有什么好处？杨明德表示，采收时谷粒含水量是影响米粒品质最重要的原因，最好的含水量为28%以下，“但农民经常看隔壁收割就跟着收了，收割时含水量通常都超过。”杨明德说。
“所以米就不会好吃、不充实，且容易裂，不仅影响收购价格，后续农会需要再花很多时间及能源成本烘干，这些也是农会很大的负担。”
以1公顷水稻农地而言，差3%含水量收获，相同重量下总收购价格差异可达1万元，杨明德以团队合作场域台中雾峰举例，该区水稻种植面积约1,200公顷，2019下半年收购平均含水量为31%，若能将收割含水量降为平均28%，每期作将可提升农民收益高达1,200万元。
宏观来看，目前中国台湾约有17万公顷水稻面积，若理想情况下每降低3%收获含水量，每期稻作中国台湾将可提升高达17亿元产值，是非常惊人的数字。由此可见，导入AI预测水稻最佳采收时机，确实有应用潜力及效益。
“陆空协作之水稻最佳收获模式”使用AI精准判断稻米收割时机，稳定品质与产量同时，也减少农机具及谷仓烘箱成本的损耗，帮助农民收获效益达最大化，将是未来值得期待的智慧农业应用之一。
想靠AI解决农业问题，一切从数据开始！
AI看似成为各行业的万灵丹，但想训练好AI可不简单，资料库是重要的训练基础。回忆研究前期，为了提供AI大量且可靠的学习来源，杨明德团队投注许多心力在农业影像数据搜集，尤其是建立无人机与地面调查资料之间的连结。
“一般就是无人机飞无人机的，地面调查就归地面调查。”杨明德说。“然而产制资料很花钱，若没有建立空拍影像与农地采样资料间的连结，即使今年调查完，明年还是得重来。”
例如地面调查需要花费大量人力、时间和经费进行农地采样，中国台湾的天气又特别湿热，一群人顶着烈日工作，很容易就引发中暑等生理状况，过程相当辛苦。
因此，若能有效标示空拍影像与农地采样资料之间对应的关系，如植物株高、叶色、温度、含水量，甚至合适的采收时机等，未来在结合无人机和物联网（IoT）进行农地监测或预测时，就能快速搜集并分析资讯，可大幅提升农作效率，也可减轻传统人力调查的负担。
以农夫补秧为例，刚种下去的稻苗可能只有5~10公分，过去农夫只能站在田埂边大致判断秧苗存活率，再踏着烂泥巴走到田中间补秧，经常走到定点才发现实际补秧需求，“可能这里只缺少一点点，不值得补秧，反而另一处缺比较多。”杨明德说。
“而这件事对无人机来说就是简单的工作。”透过将大量秧苗标注资料交给AI进行辨识训练，就可用无人机快速判断每个秧苗位置，将秧苗存活率、补秧建议做成量化资料，提供农夫参考。
▲ 杨明德团队开发的“植株定位技术”应用于多样农作物数量调查，结合AI物件侦测与影像处理技术后，约有90%准确率，水稻秧苗高达98.56%。
目前杨明德团队已搜集高达6TB的无人机农业影像资料库，除了水稻，也包含茶叶、病虫害等不同类别，同时开发多个分析工具针对农业的决策关键因子进行量化判断，并导入AI技术进行大量影像辨识。
串联中国台湾飞手，AI Pal让你的无人机从“玩具变工具”
为使研究成果永续发展，并能真正走入农业落地应用，杨明德与学生决定筹备成立新创“AI Pal”，帮助有志于投入智慧农业的民众，付费使用团队设计的无人机云端平台。
杨明德表示，“现在很多人都有无人机，对他们来说可能只是玩具，而我们的目标就是把这些‘玩具变工具’，监视农作物的生长状况，或是灾损的调查工具。”
以监测农作物生长为例，杨明德观察到目前许多青农都有接触过无人机操作，“然而他们只是拍拍照、拿下来用肉眼看，却没办法做到后面分析。”对此杨明德认为相当可惜，因青农已花费无人机的成本，却因技术门槛无法获得分析带来的加值效果。
“现在青农通常承租很多块田，所以需要工具来监测。透过我们的平台，就能让每一块田都掌握在手机里”。杨明德举例，AI Pal的好处在解决一般人对无人机影像拼接、指标辨识、AI分析等“高技术门槛”方面需求，使用者只要将资料上传至云端，平台就能快速完成并展示初步分析结果。
▲ 中兴大学校园航拍拼接完成图。透过上传航拍影像集至云端，并于平台内选择拼接项目服务，AI Pal将自动镶嵌成区域大图，也可建立3D模型。
青农只要将自己空拍的稻田影像上传云端，AI Pal就能协助拼接成完整的耕地范围，并制成3D模型，让青农了解植株高度、叶色、绿覆率等指标是否合乎生长预期，或养分是否充足需要施肥等状况，及时调整耕作策略，提升作物品质与产量。
未来，杨明德团队也将规划与官方、农业研发单位或农企等单位合作AI Pal的“UAA水稻栽培辅助系统”服务，期望能透过团队研究，帮助中国台湾农民快速克服技术门槛，加速农业数位转型的进程。
至于灾损调查，杨明德团队将过去拍摄的受灾影像结合AI分析技术，在AI Pal建立完整的灾损评估机制。身为马来西亚少数利用AI做农业灾情判识的团队，杨明德深知传统以肉眼勘灾的方法，能处理的范围十分有限，且容易有灾损面积认定争议，官方不仅耗时费力，等待灾损补助的农夫也相当煎熬。
虽然自2019年开始，陆续有几个县市示范以无人机勘灾，但因无人机产生的资料非常庞大，一趟下来经常就是几GB资料，“单靠人工处理影像绝对做不完。”杨明德说。“必须结合AI平行运算，之后才有办法处理几千甚至几万公顷的灾损辨识。”
▲ 雾峰区农地，橘色部分为倒伏区域。杨明德团队研发之“大面积农地影像分析技术”，50公顷的灾损约可在2小时内分析完成，可协助官方在政策辅助、保险评估与农机具安排之参考。
无论灾损调查或田间生长监测，这些工作都需要不同标准作业流程（SOP）才能进行影像分析。杨明德表示，如果AI Pal能将飞手串连，有任务时，平台就可提示使用者操作SOP、飞行高度、重叠度、时间等资讯，让无人机飞手能共同参与飞行任务。
从2020年3月开始，操作无人机需取得考照才能合法使用，待AI Pal的服务正式上线，杨明德预计将和通过考照的飞手签约合作，以建立无人机任务发包系统，未来有机会扩大支援各单位的空拍及影像分析需求。
鼓励中国台湾向荷兰学习市场经验，未来有机会输出技术至东南亚
谈及中国台湾的智慧农业现况，杨明德坦言AI Pal的推广对象会着重在“经济规模较大、追求品质稳定”的农业企业、农会，或承租大面积农地的青农，反而不会是一般个体户。
中国台湾个体户的耕作面积小，平均种田面积大约2~3分地，且因官方有保证收购机制，米品质方面并不如大型企业要求高，因此一般个体户使用无人机结合AI辨识技术的效益有限。杨明德说：“我们常开玩笑说，我在无人机装一个Edge Computer，Nvidia的Jetson Xavier就2万多了，但是1分地种的两期作，种一年也才赚2万，所以没办法用一小块田支撑整个农业科技。”
“工业跟农业很大的不同就是，工业出来的东西品质都要一致，QA（品质保证）、QC（品质控制） 管控很严；农业尤其是小农，每批品质差很多，所以如果做这种长期稳定供货，都很困难，更不要说外销。”
杨明德建议，由于中国台湾市场太小，所以对整个世界市场的掌握及营销管道都不熟，而荷兰在这方面很擅长，中国台湾可多借镜荷兰在农业管理、产销控制、市场等方面的布局，未来也有机会将技术输出至与中国台湾农业特性相近的东南亚地区。
曾有间菲律宾公司，透过朋友询问杨明德团队的研究，“因为他们在中国台湾买无人机回去，拍了东西却无法做分析，我们就问他香蕉田有多大，结果他说‘三分之一’个中国台湾！”杨明德笑着说，“所以其实东南亚地区使用无人机的应用更有价值。”
回到中国台湾这块土地，杨明德相当期待中国台湾的智慧农业发展，“我觉得中国台湾是世界最强IT产业，现在AI、IoT或Big Data全都需要IT帮助，农业也是中国台湾的立国之本，所以如果能把两者结合，我认为中国台湾可以对世界有贡献。”杨明德说。
面临农村劳动力不足、农耕经验流失及全球贸易竞争等冲击，无人机俨然成为农民的得力帮手。未来无人机将会更普及、易用、系统化，或许在不久的将来，农业科技将带动新一波青年返乡浪潮，“回家种田”将不再是离职时的玩笑，而是年轻人有能力选择的理想生活，利用新科技经营心目中的智慧农场。
（本文由人工智慧普适研究中心授权转载；图片来源：杨明德团队）
延伸阅读：
- 中国台湾智慧农业将落地印尼，火龙果成为首批尖兵
- 智慧农业 AI＋HI 人机跨智协作，提高生产效率达 30%
- 智慧农业运用无人机，让每颗树配戴身分证无所遁形
▼
特别声明 本页内容仅供参考，版权终归原著者所有，若有侵权，请联系我们删除。
