無人機於精準農業之應用
Applications of Unmanned Aerial Vehicles to Precision Agriculture
為實踐精準農業，空中的無人機成為重要角色。無人機從軍事需求發展至商業、民生需求。固定翼、直升機與多軸機型為主軸發展，搭載多元感測器，如熱像儀、多光譜儀等精密感測器，衍伸出多面向精準農業應用。本文介紹以無人機應於精準農業之機制與案例，尤其以台灣重要糧食作物水稻為範例，基於影像處理技術發展分析技術，用以水稻植株計數供秧補秧評估、倒伏分析供災損評估、建立雲端平台彙整群眾力量，提升農業調查之效率。本文亦分享國內外多項無人機農業發展案例，包含農地管理、農噴施肥、蟲害與復育等應用。未來的精準農業中，無人機於農業資訊蒐集將佔有不可取代的重要地位。
To practice precision agriculture, unmanned aerial vehicles (UAVs) play an important role. UAVs have been developed for various applications, such as military, business and civil demands. Fixed-wing, helicopter and multirotor are three major types of UAVs. UAVs are equipped with multi-sensors, such as thermal, multi-spectral and specific sensors, for precision agriculture applications. This paper introduces the mechanism and demonstration of UAV in precision agriculture applications, especially rice which is the most important food crops in Taiwan. The UAV analysis technology based on image processing technology has been applied to seedling counting for replanting assessment, rice lodging analysis for compensation assessment; and cloud computing platform to integrate the power of crowdsourcing to improve the efficiency of agricultural investigation. This paper also introduces many domestic and international cases using UAVs in agricultural development, including farm management, chemical spraying, fertilization, and plant rehabilitation. In future, UAVs will play an irreplaceable role in precision agriculture to collect agriculture information.
一、無人機發展
無人飛行載具 (unmanned aerial vehicle, UAV) 自 1970 年代由美國國防部發展使用於軍事用途，因不需要飛行員於駕駛艙操作，降低許多任務風險。早期飛手於地面以目視與手動方式操作 UAV。今日，UAV 多搭載微型飛行控制電腦，整合全球定位系統 (global positioning system, GPS)、慣性測量單元 (inertial measurement unit, IMU) 和地面控制站等，透過無線通訊系統進行半自動或全自動導航飛行。UAV 能產製之影像 (圖 1)，較衛星影像和航空攝影擁有更高之地面解析度 (ground sampling distance, GSD)。
圖 1. 遙測影像與飛行載具之地面解析度比較(14)。
二、無人機種類
近年民用 UAV 運用領域越來越廣，商業應用效益也愈來愈高。其應用領域如噴灑農藥、運送貨物、災區救援與空中拍攝…等。為符合各多樣空中飛行條件，UAV 可略分為三類：固定翼 (fixed-wing)、無人直升機 (helicopter drone) 與多軸飛行器 (multirotor)。現有機型比較如表 1。
表 1. 主要 UAV 種類比較。
傳統型固定翼飛行是基於 Coandăă 提出的康達效應(3) (Coandă effect)，當流體遇到曲面物體沿著物體曲面流動時，流體流向被改變產生向心力與反作用力。機翼設計為特殊曲面，以特定的角度進行飛行或著陸。固定翼無人機不能懸停，無法垂直起降，需要較長的跑道或給予初速度起飛。整合螺旋翼之固定翼可克服無法垂直起降的問題，但其改變航向所需半徑仍較大。其優點為續航力長、航速快且節能效率高，適合用於空曠之較大範圍拍攝。
無人直升機利用機翼與空氣之間相對運動而產生升力，但同時也會因為反作用力造成機身旋轉，所以單旋翼直升機會在機尾裝上尾槳，抵銷力矩。無人直升機航速較慢於固定翼無人機，體積較固定翼與多軸飛行器大。無人直升機可滯空懸停並善垂直起降，常應用於定點與中範圍的影像紀錄。
多軸飛行器飛行原理似無人直升機，以螺旋槳為基礎，相同的旋轉的方向會成對出現以抵銷扭矩。如四軸為利用兩片順槳與兩片逆槳旋轉提供升力。通常軸數越多，抗風能力越佳，但平衡設計越複雜。其飛行穩定性高、可滯空懸停並善垂直起降，但續航力低且節能效率差。常用於定點與小範圍影像紀錄。
三、無人機與感測器
商用無人機商品多已內建可見光波段之高解析度鏡頭，在娛樂與拍攝使用皆有良好的規格與減震功效，滿足於消費型短片、取景與紀錄製作等需求。農業應用上，為能取得更豐富有效資訊而實現精準農業 (precision agriculture) 之情境，整合搭載多元感測器於無人機上執行飛行任務。常見之無人機搭載感測器包含對溫度變化反應程度強烈的熱像儀，植被葉綠素反射強烈波段的多光譜儀，涵蓋更廣與更窄之頻寬 (band width) 的高光譜儀。
1. 熱像儀
紅外線熱影像 (thermal infrared image) 可藉由目標物之紅外線反應呈現物體表面溫度，於生物領域監測中有利於了解動植物之生理狀態。但高影像解析度之熱像儀成本昂貴，多使用低於光學影像解析度之熱像儀整合於無人機使用，故熱像儀影像內容判釋需要更高影像處理技術門檻。
本文介紹之感測器包含可見光影像鏡頭與紅外線熱影像鏡頭的 DJI Zenmuse XT2 (圖 2)，其熱像規格為表 2 所示。於精準農業應用上能反映植物生理變化，於中興大學北溝農業試驗場之試驗田之實驗影像，圖 3 為 Zenmuse XT2 拍攝之可見光影像，圖 4 為拍攝之紅外線熱影像，可觀察出影像中各點位之溫度表現差異。圖 5 為可見光建立密點雲，將熱影像套疊於正射鑲嵌影像中，可觀察水稻田區之溫度變化。
圖 2. DJI Zenmuse XT 2(17)。
表 2. Zenmuse XT2 規格(17)。
圖 3. Zenmuse XT2 可見光影像(7)。
圖 4. Zenmuse XT2 紅外線熱影像(7)。
圖 5. 三維密點雲與觀測溫度紅外線熱影像正射鑲嵌圖(7)。
2. 多光譜儀
為了達成精準農業管理，需能掌握植被生理狀況才能做對應決策。植物中葉綠素含量變化與時間、空間和生理狀態有關係，光譜中特定波段對於葉綠素反應特別敏感。針對此特性發展之感測器，涵蓋可見光與紅外光波段之多光譜儀，可搭載於 UAV 使用 (圖 6)。
圖 6. 搭載多光譜儀與 UAV 於田間監測 (攝於霧峰 2019/03)。
美國材料試驗學會 (american society for testing and material, ASTM) 定義近紅外光波段 (near infrared) 為波長在 780 nm 至 2526 nm 範圍內的電磁波，習慣上將近紅外光波段劃分於 780 nm 至 1100 nm。紅邊 (red edge) 波段包含 680 nm 到 730 nm 波段，葉綠素對於此波段電磁波反射率可從 5% 快速變化為 50%(8)。從可見光至近紅外光，多光譜儀拍出的各波段影像如圖 7，左上為 RGB 波段套疊影像，為人眼熟悉之可見光影像，其他為各波段反射值獨立呈現之灰階影像。故多光譜儀多整合此波段感測器於一體，能獲得植物對於各波段之反應，亦能進行廣泛使用於遙測領域之植生指標 (vegetation index) 評估，強化植物生理表現差異。
圖 7. 左上至右下依序為 RGB、R、G、Ｂ、Red Edge 與 NIR 反射值灰階影像 (攝於霧峰2019/05)。
本文介紹之多光譜儀為 MicaSense 之 RedEdge-M (圖 8)，整合於 DJI Matrice 200 四旋翼無人機，包含光譜波段為藍光 (475 nm)、綠光 (560 nm)、紅光 (670 nm)、紅邊 (720 nm) 與近紅外光 (840 nm) 等波段，其規格如表 3。圖 7 即為多光譜儀 RedEdge-M 拍攝之原始影像，RedEdge-M 成像器輸出的圖像中每個像素的輸出值表示特定波長光線的反射率，其反射率轉換為灰階影像呈現。
圖 8. RedEdge-M 相機尺寸規格圖(19)。
表 3. RedEdge-M 規格表(19)。
3. 高光譜儀
高光譜影像含 (hyperspectral imaging) 有數十至數百個較窄的波段資料較細緻且豐富的光譜資訊，為高分辨率光譜影像。可提供比多光譜影像更細微且連續的資訊，適合用於辨識的較細緻的地物。高光譜儀整合不易，現有整合設備如 Rikola Senop 高光譜儀 (圖 9)，其光譜範圍為 500 nm 至 900 nm，Image Sensor 採 CMOS 像元大小為 5.5 mm × 5.5 mm，波段數為 380 個波段。近年來，許多國內外學者針對高光譜影像的特性，提出了許多光譜分析及影像分類的方法，並衍生出眾多高光譜影像的應用，如水分敏感波段分析、病蟲害分析與辨識森林樹種等。如 Uto 等人(9) 在 UAV 裝載高光譜感測器以偵測稻田的葉綠素含量，再以此為評估指數來推測稻米的數量，並以地真資料來評估此份資訊的可信度。在不同施肥量之試驗稻田，包含 0, 45 kg/ha, 90 kg/ha, 120 kg/ha 與 180 kg/ha 氮肥試驗，從高光譜影像分析成果 (圖 10) 可觀察出，不同含氮量之水稻田於高光譜各波段有不同的表現。可應用於透過UAV 高光譜影像判斷田間施肥是否不足或過量。
圖 9. Rikola Senop(16)。
圖 10. 本文於不同施肥量水稻田使用高光譜儀空拍數據。
四、農業研究與應用
農業受自然環境與氣候影響極大之產業，發展上正面臨著農耕人力不足與農耕經驗流失。台灣大多水稻田破碎零散，無法大面積統一耕作。其生長過程需要密集勞力投入，並以經驗為基礎栽培。農作物於不同時期其關鍵決策點不同，所需技術亦不同。引入無人機於精準農業正是當務之急，以下介紹無人機農業相關研究與應用。
1. 植生指標
無人機搭載多光譜儀完成飛行任務後，獲得各波段反射率灰階影像包含藍光、綠光、紅光、紅邊與近紅外光。為能強化植株於影像中之特徵，多使用植物反射較強烈之波段進行分析。為能增強影像特徵，透過植生指標光譜資訊以評估植物生長狀況。植生指標為多無人機農業影像預處理之步驟，以利連結植物生理性狀變化之關聯，常用植生指標 VI (vegetation index) 反應植物生長狀況。
(1) NDVI (normalization difference vegetation index)
常態化差異植生指標 (Rouse et al., 1973) NDVI 可反映出植物在光譜上對於紅光及近紅外光的差異)，以評估植物生長狀態，目前已廣泛使用於農業作物種植、以及衛星及航照圖的植被分析判斷。本文建立之空拍 NDVI 影像分析如圖 11，水稻田區空拍影像與 NDVI 計算過的植生指標數值影像，能夠清楚分辨植被區域與非植被區域。
式中 NIR 為近紅外光波段；RED：為紅光波段，NDVI 值域介於 -1 至 1 之間，指數越大表示植生愈佳。
圖 11. 無人機空拍水稻田農地影像，左為 RGB 套疊影像，右為 NDVI 影像。
(2) VARI (vegetation adjusted reflectance index)
VARI 可用於僅有 RGB 波段之行拍影像分析，以量測植披與土壤的反射率。Gitelson 等人(10) 曾分析小麥及玉米之 VARI，其反應較 NDVI 敏感。本文產製之 VARI 影像如圖 12。
式中，R 為紅光波段，G 為綠光波段，B 為藍光波段，數值愈高表示植生量愈高。
圖 12. 無人機空拍水稻田農地影像，左為 RGB 波段，右為 VARI 影像。
2. 植株定位
為了將栽培管理落實至每一農作植株上，植株定位是落實精準農業的重要步驟。水稻為臺灣主要糧食作物，在秧苗期，室內栽種可以透過固定監測儀器監測生長過程。然而，台灣絕大部分水稻栽種於戶外，若要落實單株農作物之精準栽培管理，需依靠影像辨識技術與定位系統協作，才能得知每一農作物的位置與生長狀況，進而派遣具有定位功能的農機執行栽培管理，亦能輔助決策補秧與否。尤其對於大面積栽培的田間，UAV 就是重要的監測農作物生長狀態的工具。UAV拍攝田間影像後，透過高程特徵萃取、光譜影像分類等流程 (如圖 13)，能夠強化影像中秧苗植株特徵以為種植株定位。
圖 13. 植株定位演算流程(11)。
高程特徵萃取是基於影像特徵匹配，找尋重疊區域影像共同特徵點，以幾何關係計算共同特徵點點位三維坐標，獲得區域三維資訊。光譜影像分類如圖 14 之 (a)、(b) 中，將影像二值化後，透過形態學 (morphology) 操作標示植株位置，並標示向量化之形狀中心，作為植株之定位點。透過高程特徵萃取與光譜影像分類可確認植株位置，植株定位成果如圖 15。
圖 14. UAV 影像處理強化植株特徵(11)。
圖 15. 紅點為演算成果之植株標定(11)。
水稻插秧後，容易受到育苗品質、水份管理與環境因素影響，造成秧苗死亡或倒伏，形成缺株的情形。缺株的分佈為秧苗補植的決策關鍵，若缺株位置零碎，密度較低，可考慮不用補秧，給予其他秧苗更大空間自然生長；若缺株位置密集，一區域光禿的情形，則須於秧苗期進行補秧，以免產量下降。小區域補秧可由少量人力完成，但大區域的田間管理，掌握秧苗倒伏情形為重要決策關鍵，影響著是否要補秧、人力需求、補秧排程…等。除水稻外，此技術亦能廣泛應用於其他農作物上 (圖 16)。在人口老化與人力短缺的現今，扮演精準農業的重要角色。
圖 16. UAV 影像植株定位技術於多農作物影像實驗(11)。
3. 災損分析
每年第一期稻作約於 2 月至 6 月間，水稻齊穗後進入乳熟期、黃熟期多逢雨季，莖稈提供的支撐力漸弱，加上栽培方式、施肥管理與病蟲害等因素影響，可能發生倒伏 (圖 17)。水稻發生倒伏時，造成收割困難，且倒伏稻穗易發芽，一旦發芽即不能食用，僅能以低價出售。倒伏災害發生後，須經過勘災才能夠評估災損情形，政府將給予對應損失補償。原則上，同一地籍區域範圍內 20% 以上發生倒伏情形可判定獲得補償。
圖 17. 倒伏之水稻田 (攝於霧峰，2019)。
農業災害發生後，短時間大量田間災損發生，現今評估方式主要為人力勘災，人力不足情況下，常有判定流程拉長至 30 天。勘災人員到災害發生現場以目視方式判定災損比例，若能導入科學工具，將能有效提升效率與降低爭議。UAV 可協助農作物之災損判釋，依勘災情境可搭載不同型式感測器拍攝影像，配合影像分析技術完成。根據農作物與各種地物之光譜反射率相異，以 UAV 影像所產製之數值地表模型 (digital surface model, DSM)，配合紋理分析與影像特徵機率計算等分析，提供受損農地面積精確計算之科學證據，全面且有效率地協助評估農業災損且加速救災進程。108 年 5 月 21 日梅雨季鋒面造成臺灣多處出現嚴重積淹水，圖 18 為水稻田現場拍攝之影像，透過影像分析，能有效判斷倒伏程度 (圖 19)、分佈與面積 (圖 20)，著實有效提升勘災效率。
圖 18. 水稻災損農田空拍影像(12) (攝於霧峰2019/05)。
圖 19. 影像處理後產製 DSM(12)。
圖 20. 災損分析成果 (紅色區域為倒伏區域，佔此坵塊 59.1%)(12)。
UAV 輔助農業災損調查，能降低需動員之人力與時間。有別於人力單以點狀之雙眼觀測，UAV 從空中以面狀觀點進行觀測，能有效減少人員於地面判斷造成的歧見與爭議。針對目標區域進行科學調查，根據農試所評估，UAV 災損航拍能完成 300－1000 公頃 (單機／天) 的農田範圍，並有效降低成本。成本評估如表 4，人工現地勘災所需約 35 元／坵塊，UAV 小組 1 組為 1－2人。目前農委會積極提出以 UAV 輔助勘災之法規，108 年度已於部分縣市試施行，此勘災方式將有效提供精準評估成果，有助於農業保險發展，讓農民獲得更穩定之保障。
表 4. 人力勘查與無人機勘查成本比較(12)。
4. 雲端管理與分析
天然災害發生時間短而急促，若能夠將災損分析技術雲端化，任何有 UAV 的民眾皆能合法提供 UAV 拍攝影像協助災損調查，就能以群眾力量輔助政府快速達成農業損失勘查。為達此目標，建立一雲端平台是必須的前提，將災損分析流程部署於網站後台，僅需上傳災損區域合法航拍影像，即可獲得分析成果 (圖 21)。平台除具有倒伏分析功能外，UAV 航拍原始影像上傳後將會儲存於 UAV 影像資料庫，保存影像以做後續影像鑲嵌、植株定位 (圖 22)、植生指標 (圖 23)、三維點雲模型等服務。影像平台服務中，使用者上傳之 UAV 航拍影像若符合系統需求，則會產出對應之分析成果供使用者參考與做更進一步研究，其中系統包含鑲嵌影像成果、植生指標、紋理影像分析與影像建模加值服務。期許 UAV 能提供大量有效農業管理資訊，以科技力量結合民眾之力，協助台灣精準農業發展。
圖 21. 雲端平台災損分析功能展示。
圖 22. 雲端平台植株定位與計數功能展示。
圖 23. 雲端平台直升指標分析功能展示。
五、國內外無人機於農業應用案例
無人機於農業應用研發國內外亦有相關應用案例。在氣候模式迅速變遷情況下，對高效農業監測的需求將更加急迫。以下介紹農用無人機多種用途，包括農作物管理與栽培分析、農噴和施肥、蟲害防治與復育…等案例。
1. 農作物管理與栽培分析
無人機可用來獲得農作物生長週期之相關數據，透過影像建模方法取得農地 3D 地圖，觀測影響作物之土質、養肥分、水分等生長因子，掌握管理關鍵。高頻率從空中監測灌溉問題，如接收過少或過量水分之區域，可使其更好利用水資源管理，達節水與高效率栽培之目標。無人機可搭配多元感測器，如德克薩斯州大學奧斯汀分校 Marwan Madi 研發出可根據植物反射光來測量植物健康狀況的無人機，根據拍攝之影像判斷如何以最小水量灌溉而不損植物健康，獲得學校景觀部門認同並採用。近年本文以高頻率監測水稻田間變化，以搭載多光譜影像、熱影像等多元感測器 (圖 24) 之無人機結合影像處理技術，搭配現地實驗採樣，推估田間生理狀況。
圖 24. 以無人機搭載多光譜感測器收集田間影像資訊 (攝於農試所 2018/12)。
2. 農噴和施肥
無人機可配備大型儲槽，裝設肥料、除草劑或殺蟲劑，以便使用無人機進行作物噴灑，不僅對人體更安全，亦更具成本效益，因其能完全自主按時程及路線編排運行。對於大面積種植區域，無人機噴灑可在更短時間內完成，減少花費及人力成本。如墨西哥無人機公司 AGRODRONE 以改裝後之無人機幫助農民施肥和殺蟲，一架無人機可在 1 天內完成 20 畝農田的施肥和殺蟲工作，並降低平均作物損失率 (由 20－28% 減至 15%)，大幅提高生產力。國內亦有廠商發展農噴無人機 (圖 25)。另外，茶園多位於山坡，不利機具噴肥，故須以人力施肥、成本重。農用無人機可負載約 7.5 公升液肥，電腦軟件可根據施肥面積換算液肥需求量，再由 GPS 定位，使無人機可定時、定量自動飛行噴灑，故以無人機協助大面積茶園管理極具效益 (圖 26)。
圖 25. 辦理無人機國際研討會與廠商合作展示農噴無人機 (攝於中興大學 2019/03)。
圖 26. 於茶園進行無人機影像監測 (攝於南投鹿谷 2018/11)。
3. 蟲害防治與復育
農用無人機有搭載高解析攝影機及紅外線感測器，用來收集及評估農作物情況，可於作物潛在問題盛行前進行診斷和處理。美國有農民與肥料零售商合作，在農場利用無人機進行季節性監控，其蒐集資訊可作為零售商分析成本效益之資料。德國無人機公司 Hexapilot 利用殺蟲無人機 Tricho-Kopter，在玉米田投放歐洲玉米螟 (European Corn Borer) 的天敵－赤眼卵蜂 (Trichogramma)，以此防治玉米田害蟲。國內荔枝、龍眼等植物收成受荔枝椿象侵襲影響，農委會曾利用無人機施放荔枝椿象的天敵平腹小蜂，並可以無人機影像觀測荔枝椿象對於荔枝樹之影響 (圖 27)。
圖 27. 本文以無人機觀測荔枝椿象對於荔枝園之影響。(左為荔枝椿象、右為影像監測實景。攝於彰化市 2019/03)
山林裡的崩塌地復育不易，因交通不可及且多為難以抵達之處。921 大地震後，針對崩塌嚴重的偏遠山區，曾以直升機飛至崩塌地上空播撒播樹木種子，但效果很有限，因種子太輕，直升機的主旋翼會影響播撒。林務局現改以操控無人機飛至指定地點，再撒播之特製內含種子的植生粒劑，讓種子落在正確的位置上，並能提高發芽率。
六、展望
過去對於無人機的想像出現在各式電影情節中，如今一一實現。從軍用到民生，搭載多元感測器，透過影像分析技術與大數據分析技術，發展出多元應用。台灣為使擁有 UAV 的民眾、業者、選手與研究人員等，都能在不違反社會秩序下飛行，已通過「遙控無人機管理規則」，並訂定於 2020 年 3 月 31 日實行。此法規施行後，250 公克以上之 UAV 飛手需考取執照，UAV 須向民航局註冊，註冊後有效期限兩年內方能使用。限航區與禁航區之飛行則須向民航局申請。一人不得控制多台 UAV、可視範圍飛行、飛行高度限制......等相關法規皆是基於安全考量設立。在 UAV 規模與影響力日漸擴增，經濟價值提升下，正式訂定相關法規，讓 UAV 產業能夠於制度下正向成長。
在人口高齡化、人力短缺的時代，提升效率達成精準農業情境為重要議題。農業領域上多項 UAV 應用正快速部署與落地。如水稻栽培管理技術中，水稻植株定位技術提供秧苗數量與位置資訊外，輔助大區域補秧決策。在天然災害發生時，UAV 災損辨識技術輔助分析區域災損情形，有效降低人力需求，並提升客觀之分析資料。雲端分析平台將 UAV 影像分析技術雲端化，結合群眾力量，共同達成精準農業情境。期許為來能達成藉影像處理、AI 技術，由空中的 UAV 打造農業栽培決策管理的情境 (圖 28)。許多 UAV 於農業領域之應用也正蓬勃發展，如生長管理、農噴與施肥、蟲害防治與復育…等，證明無人機是精準農業必備之基礎工具，期許有多資源、人才投入於無人機產業，技術的落地將在可見的未來一一實現。
圖 28. 無人機輔助水稻栽培決策示意圖。