智慧農業機具與輔具之應用
The Application of Agricultural Machines and Devices in Smart Agriculture
臺灣農業在耕地面積狹小的不利條件下，面臨農業人口老化、缺工、全球化競爭與氣候變遷等問題，以小農為主體的臺灣農業目前面臨永續發展的挑戰。行政院農業委員會於106年度開始執行「智慧農業」計畫，期以智慧生產與智慧化管理，突破小農困境，提升農業整體生產效能。農業勞動力為農業之根本，面對缺工、人口老化之嚴峻挑戰，是我們農業部門最重要的課題。農委會的智慧農業計畫為解決勞動力不足的問題，進行了智慧農業機具、輔具的規劃與應用，如採收搬運輔具、高光譜檢測技術、魚體選別整排技術等研發，希冀藉智慧科技，讓農民運用省力省時省工的工具，有效率的進行農業生產。
In recent years, the Taiwan agricultural sector has faced some considerable challenges; arable land becomes scarce; the rural population is aging; labor is in short supply, global competitions and climate change. Due to restrictions from the natural environment and high production costs, Taiwan’s agricultural industry is less competitive compared with other countries in the world. In order to boost agricultural productivity, the Taiwan government promotes “Smart Agriculture Program”, a new proposed pilot project based on sensor/sensing technology, Intelligence Robot, Internet of Things (IoTs), and Big Data analysis, is expected to build a smart production, marketing, and digital service system to efficiently elevate the whole agricultural productivity and capacity. Furthermore, in order to cope with the problems of labor shortage and aging, Smart Agriculture Program includes the plans and application of agricultural machines and devices, such as assistive robotic exosuit, hyperspectral technology in quality checking, automatic fish sorting and so on.
一、前言
2050 年全球預估有 95－105 億人口，糧食需求將面臨增加 1 倍的壓力。根據行政院農業委員會的統計，臺灣以熱量為基礎之糧食自給率 2017 年僅為 32.28%，在氣候變遷導致極端氣候日趨嚴重的困境下，糧食供應短缺與糧價上升恐無可避免。近年更由於農村人口老化與少子化的影響，從事農業人力大幅短缺，農業生產力受到相當衝擊。
臺灣農業由個別來看仍具相當競爭力，但是若從人力、自然條件、產業等層面來看，則相對較為弱勢。特別是人力，未來十年將有近 11 萬名農民因高齡退場，再加上目前年青族群從事農業的比例低，且來不及補上，採收季節發生缺工將變成常態。再以天然條件來說，颱風加上極端氣候所帶來的狂風與超大豪雨，導致農民損失慘重。缺水季節水資源不足卻往往先減少農業供水。最後，由產業來看，臺灣農業以「小農」為主，在耕地有限下還要穩定供貨實在力有未逮。除了上面提到的因素影響到農作物的收成與利潤，近年來消費者對食安的重視，讓以小農為主體的臺灣農業面臨更艱鉅的發展挑戰。
過去臺灣經濟發展是以農業支持工業發展，如今工業已經成熟，應反過來助攻農業發展。這個支持即是透過工業資訊技術如雲端科技、大數據分析 (Big Data Analysis)、物聯網(Internet of Things)、智能化機械、感測器等智慧科技應用在農業，協助小農能降低因人口老化、勞動力不足、極端氣候對產業帶來的衝擊，進而升級成「新農民」提升整體農業的生產能力與效率。
智慧農業乃運用創新科技使農業能夠邁向效率、安全與低風險的未來。針對人力老化問題，目前可導入人機協同的機械作業輔具，讓農民可省力省時耕種，以因應人工高齡化及短缺不足；安全上，則可導入全自動化的作物生產紀錄系統，讓農民可以簡便、迅速加入產品溯源制度。除有助於消費者建立對農產品的信心，消費者資訊亦可反過來回饋予農民作為下期生產的參考。而為了降低極端氣候所增加的生產風險，蒐集整合氣象災害歷史資訊，地理資訊系統 (geographic information system, GIS) 等空間資訊大數據分析決策系統，協助農民避免在高風險區域栽培作物，或是導入更強固的農業設施。長遠來看，臺灣農業的確需要發展智慧農業，以省工、省力為目標，提高農作效率，並建立溯源制度，確保農產品安全，更重要的是提供預警及監測，降低農業生產風險。
二、智慧農業
臺灣農業在耕地面積狹小的不利條件下，面臨農業人口老化、缺工、全球化競爭與氣候變遷等問題，以小農為主體的臺灣農業目前面臨永續發展的挑戰。政府部門在此需扮演相當重要的角色，有鑑於此，行政院農業委員會已於 106 年度推動「新農業創新推動方案」，開始執行「智慧農業」計畫，期待政府以火車頭的角色，帶領產業朝智慧科技農業的發展。
智慧農業計畫之主軸定位為「智慧生產」與「數位服務」兩面向，說明如下：
1. 智慧生產：如以導入人機協同機械，提高勞動生產力，建構 GIS 等空間資訊大數據分析決策模組，推升高質化精準生產，並推動協同合作的智慧化集團栽培模式，提升生產效率。
2. 數位服務：產業面臨課題主要在於生產環節資訊無法即時分析並串接／因應後端銷售資訊及消費者／生產者間資訊來源不對等，互信不足。推動智慧農業解決方案，即因應上述課題導入大數據分析與物聯網串接技術並推動安全履歷智動化，以建立全方位人性化數位服務網。
透過上述兩大面向的結合，期以智慧生產與智慧化管理，突破小農困境，提升農業整體生產效能。
智慧農業計畫推動範疇分為設施利用型、露地栽培型兩大類，包括蘭花、種苗、菇類、稻作、農業設施、外銷主力作物、海洋漁、養殖漁、家禽、生乳產業等 10 項進行智慧農業推動，並以 (1) 智農聯盟推動智慧農業生產關鍵技術開發與應用，建置農業生產力知識與服務支援體系、(2) 整合資通訊技術打造多元化數位農業便捷服務與價值鏈整合應用模式、(3) 以人性化互動科技開創生產者與消費者溝通新模式，作為 3 大策略進行技術研發，並建置跨產業物聯網共通資訊平臺，作為領航產業資通訊大數據資料存放、解析與應用的大平臺。計畫推動同時也著手培育智慧農業種子師資與專業人才、組成產業技術促進小組 (special interest group, SIG) 與產業服務團，促成智慧農業關鍵技術自主能力與國產化。希望催生農事服務新創事業，開拓農業新格局，以臺灣農業本土化特質為基礎，讓臺灣農業朝向智慧化與國際化。預期達成農業領航產業升級與提升生產力之總體目標，因應農業人口老化、缺工、全球化競爭與氣候變遷等問題。
農業勞動力為農業之根本，缺工、人口老化之問題，已刻不容緩。根據行政院主計總處的統計，2018 年 65 歲以上所占農業就業人口比例已達 18.3%，顯示農業勞動力的老齡化已越來越普遍。為解決勞動力的相關問題，近年來政府也大力加強辦理輔導農民購置普遍需求之小型農機具，以協助紓解農村勞動力不足問題。智慧農業計畫也針對因應勞動力問題，進行了智慧農業機具、輔具的規劃與應用，更希冀藉智慧元素與科技，讓農民可省力省時耕種，以因應人工高齡化及短缺不足，並可提升農產品品質，強化農業生產體系，增加農產品國際競爭力。再者，目前全球農業機械產業的趨勢導致許多大型農業機械更加集中農企業中，使得中小型農機廠商缺乏關鍵技術及大量資金，進而影響全球農業機械整個市場需求量的變化，將成為我國投入發展省工、節能，與友善環境中小型農業機械之契機。
三、智慧農業省力輔具、農產品質檢測設備與漁產品省工分級之應用案例
智慧農業計畫下的智慧農業省力輔具，主要包含省力型輔具、省工搬運裝置、智能分級模組等。前兩項目的是協助生產者能在耕作過程中減少需要勞動的部份，並能改善農業作業環境，做好田間管理。第三項為農產品質檢測設備研發，利用特徵波短光譜組合進行非破壞性檢測與病徵研析。以下介紹各相關案例：
1. 穿戴式採收搬運智慧人機輔具
臺灣在農業人力資源長期不足的情況下，再加上從農者高齡化的情況日趨嚴重，因此為提高從農者的經濟利益，以及減少農作時的體力負荷，已是未來必須發展的方向。因此，智慧農業計畫團隊已從採摘與搬運兩大從農者最常見的動作切入，整合多方資源共同合作開發穿戴式輔具、智慧手環與採收管理 APP 等相關產品。107 年度研發團隊已開發出 3 套採收與搬運穿戴式輔具，及 1 套智慧監控手環與管理 APP。依據運動醫學標準量測系統分析後，證實穿戴式輔具可以提供 5% 至 30% 的輔助力。
(1) 介紹
相關的傷害評估調查研究報告指出，農事人員在長時間進行果物採摘作業後，有高達 61% 的人員因長時間的體力消耗，及大量重複性採摘動作，造成自身肌肉骨骼受傷。因此如何減少作業人員的體力負荷，或縮短工作過程中的持續時間，來降低農事人員在作業後所造成的傷害將是一重要目標。所以，本研究透過開發一穿戴式採收省力輔具，來降低工作人員體力負荷，且為了驗證所開發輔具之省力功效，我們透過肌電訊號量測系統 (electromyography, EMG) 將省力的功效數值化，分別在符合醫學量測規範的實驗室，以及實地場域檸檬園中進行量測實驗，證實穿戴省力輔具後，可降低至少 10% 的肌肉活化指數 (% of maximal voluntary contraction, %MVC)，進而減少上肢頻繁勞動者體力的消耗。
(2) 量測程序
實驗的量測會透過下圖 1 中的肌電訊號量測系統，分析受測者穿戴輔具前、後，手臂來回擺動時的肌肉施力程度，再將每位受測者的肌肉活化指數進行比較。本研究透過將受測者先前已黏貼雙極銀電極貼片之手臂，放置於等速肌力測試訓練系統之阻力桿上，搭配肌電訊號感測系統，偵測受測者上臂所施加的外力，得到每一受測者的最大自主收縮，其量測方式如下圖 2 中所示。待受測者完成最大自主收縮量測後，依序進行實驗室採收模擬試驗，以及實地場域採摘試驗的量測。於兩者的實驗過程中，完整紀錄運動期間肌肉單元活動的電位變化，再以一維時間序列圖形的方式呈現。
圖 1. 肌電訊號量測實驗系統。圖 (a) 為肌電訊號量測儀；圖 (b) 為拋棄式雙極銀電極貼片；圖 (c) 為前三角肌位置示意圖；圖 (d) 為實驗架設圖。
圖 2. 最大自主收縮量測。
在實驗室採收模擬量測的實驗中，會讓每位受測者在穿戴與未穿戴輔具兩個不同的狀態下，進行手臂擺動的量測實驗。如下圖 3 所示，每次實驗週期均為 90 秒並重複 5 次，且完成實驗後皆給予受測者足夠的休息時間。如下表 1 所示，為實驗測試參數表。此外，為了能夠獲得更符合現實作業情況的實驗數據，本研究亦前往檸檬園進行實地採收測試。實驗程序及實驗變因皆與先前在實驗室所進行的採收模擬量測相同，惟將實驗時間比照當地農場採收人員的作業時間，由原先實驗室量測時間 90 秒延長至 600 秒。
圖 3. 手臂擺動實驗之量測示意圖。
表 1. 實驗測試參數表。
(3) 訊號處理與量測分析
在肌電訊號的分析中，主要透 MyoResearch XP Basic Edition 1.07.01 軟體。如下圖 4、5 所示，為兩位受測者分別於實驗室及檸檬園實地測試之結果。由分析後得知，無論是否穿戴輔具，前三角肌的肌肉活化指數，皆會隨著時間的增加而提升。且由圖 4 中兩不同受測者於實驗室量測的結果證實，穿戴輔具進行實驗，兩人最大可分別降低 28%MVC 及 19%MVC。從圖 5 中，在實地場域穿戴輔具量測後的結果顯示，兩人最大可分別降低 18%MVC 與 10%MVC。其中，實驗室量測結果與實地場域，所量測到的數值會存在落差，主要是由於在實地場域的量測過程中，受測者須面臨更加嚴厲的環境因素，包含不可控的氣溫以及濕度等環境變因，因此相較於在實驗室量測的結果，會有約 9－10%MVC 的差異存在。
圖 4. 實驗室採收模擬量測結果。圖 (a) 為 A 受測者於實驗室之量測結果；圖 (b) 為 B 受測者於實驗室之量測結果。
圖 5. 檸檬園實地場域量測結果圖。圖 (a) 為 A 受測者於實地場域之量測結果；圖 (b) 為 B 受測者於實地場域之量測結果。
2. 農業高光譜技術開發與品質檢測應用
目前高光譜應用的領域已相當廣泛，亦可用於農業、礦業、物理以及監控領域的感測器及處理系統。由於高光譜成像儀其硬體成本偏高，因此要擴大至實際場域應用推動上會有一定的困難。故智慧農業計畫團隊藉由過去一年多找到杏鮑菇水傷及鮮度與蝴蝶蘭黃葉病之特徵波段，藉此利用這些特徵波段，直接進行手持式快速篩檢高光譜儀之軟硬體結合開發。除了可以降低實際場域 (生產端) 購買成本外，亦可針對不同場域屬性開發適合之檢測流程，提供未來智慧化服務之基礎建設。
(1) 蝴蝶蘭黃葉病檢測
蝴蝶蘭的部分，研究團隊每天持續拍攝健康蝴蝶蘭與植病蝴蝶蘭之高光譜影像，之後將拍攝的高光譜影像以 HFC 演算法計算之結果進行波段優先 (band prioritization) 與波段選擇 (band selection)。HFC 為利用統計量計算出波段選擇所需要選取的最佳波段數量。波段選擇為使用演算法進行分析，以各種指標圈選出特徵波段，其中以不同的波段優先為評分標準，如 Variance、Entropy 、Skewness、Kurtosis、ID 以及 SNR 為主，圖 6 為使用不同指標所得之結果，使用以上所提之演算方法，選出病徵波段，選出的病徵波段之後將可用於手持式農產品快篩檢測儀。經過團隊的研究，蝴蝶蘭黃葉病之特徵光譜由上述分析結果所選出的 6 個最佳波段如圖 7 所示，最優先的為 826 nm 接著依序為 767 nm、943 nm、886 nm、401 nm、700 nm。以前二優先波段進行支援向量機 (support vector machine, SVM) 分類準確率如表 2 為 60.42%，前三優先波段進行分類準確率為 74.49%，用上六的波段進行分類準確率可達82.23%。
圖 6. (a) Variance (b) Entropy (c) Skewness (d) Kurtosis (e) ID (f) SNR。
圖 7. 最佳的 6 個特徵波段。
表 2. 準確率。
(2) 杏鮑菇新鮮度檢測
杏鮑菇的部分，將 A、B、C 級杏鮑菇分成室溫與冷藏兩組，每周拍攝高光譜影像，且每 30 分鐘持續拍攝，以觀察退冰對實驗的影響。研究團隊以拍攝之高光譜影像用以訓練深度學習網路，放在室溫一個禮拜腐壞的杏鮑菇都做正樣本，並且將剛拿到即拍攝的新鮮杏鮑菇當作負樣本，其中正樣本有 23 萬個像素樣本，而負樣本有 22 萬個像素樣本。冷藏的資料都設定為測試樣本。實驗所使用的深度網路模型架構如圖 8 所示，神經網路架構總共有四層，第一層隱藏層有 15 個神經元第二層隱藏層有 10 個神經元，第三層隱藏層有 8 個神經元，最後一層為輸出層，並且每一層的激活函數都為線性轉換方程式。拍攝的樣本統計分佈如表 3 表 4 所示。最後使用 Grad-CAM 找出反應激烈的波段，使用 Grad-CAM 的目的在於找到哪些波段在深度神經網路裡的權重值較大。使用 Grad-CAM 所得之結果如圖 9 所示，其概念為從最後一層隱藏層依序利用 Chain rule 的方式做偏微分一直到第一層，即可得到每個波段在深度神經網路裡的權重值。其中可見光反應最強烈的波段為 633.419 nm，其次為 639.749 nm，第三為 628.36 nm，第四為 637.216 nm，第五為 583.055 nm，而近紅外光反應最強烈的波段為 1406.585 nm，其次為 1404.917 nm，第三為 1403.248 nm，第四為 1408.253 nm，第五為 1426.603 nm。
圖 8. (a) 可見光 (b) 近紅外光深度網路模型架構。
圖 9. Grad-CAM 之結果。
表 3. 每隔一個禮拜持續拍攝樣本統計分布。
表 4. 冷藏一個禮拜後每隔30分鐘拍攝的樣本統計分布。
(3) 手持式農產品快篩檢測儀
為解決傳統的手持式光譜儀都只能對單點進行取樣的限制，研究團隊由上述實驗所得之特徵波段為依據，進行系統設計與電路設計與製作。完成以畫面進行取樣的手持式農產品快篩檢測儀，可隨目標物的不同更換內部裝置以達到客製化的需求。由整合測式可以發現待測物的細節與紋路都可以清楚的顯示在儀器上，如圖 10 所示，未來目標為軟體的開發與優化並持續對硬體進行升級。
圖 10. 手持式農產品快篩檢測儀整合測試成像。
3. 秋刀魚智能選別整排技術
臺灣現今的漁業在自動化技術方面還在處於開發的階段，目前從捕獲到包裝完出貨往往需要經過許多複雜的人力且消耗許多的時間成本。每一條魚都需經過漁船上漁工依照經驗分級，分級的程度越精細，漁工在選別時的負擔也越大，時間及人力成本往往在這期間無形的增加許多。在漁業較發達的日本，已有多家業者設計出自動選別系統，此現象說明了魚類自動化選別的必要性。與傳統人力選別相比，自動選別機每小時可以處理 2－5 頓的漁獲量。漁獲上船後立即進行即時分級、排整、裝箱倉儲等作業，更可確保漁獲的品質及鮮度，因此建立完善的漁業自動化分級技術是刻不容緩的。
(1) 自動化選別機
我國秋刀魚漁獲量相當大，因此自動化選別機 (圖 11) 採用漸開式滾子的方式以應付較大的漁獲量，滾子以平行方式設置於秋刀魚自動選別機中，手輪的蝸桿蝸輪組與螺桿連接，當轉動手輪組時，螺桿會帶動滾子支撐座調整其間距，使滾子呈扇形漸開，藉由轉動手輪組調整漸開角度來選別不同大小之秋刀魚。滾子下方可已具實際分級需要設置數個分級槽承接分級後的秋刀魚，一般預設為五個分級。
圖 11. (a) 自動化選別機 CAD 圖 (b) 秋刀魚自動選別機之滾子 (c) 滾子漸開示意圖 (d) 自動選別系統安裝於漁船甲板上。
與市面上其他選別機相比 (表 5)，有效選別長度長達 2,700 mm。較多的滾子陣列，機體大 1.5 倍，故可選別的魚貨量較多，選別的級別也較為精確。
表 5. 選別機比較。
(2) 自動化排整機
自動化排整機 (圖 12) 裝設於漁船下層甲板，剛捕獲的秋刀魚經上層選別分級後，經導管將各級別的鮮魚送到下層自動化排整機。進入集魚槽的魚會被斜面輸送帶送至上方判別平臺，斜面輸送帶可確保每間隔都有一隻魚。送至上方平臺後魚體經機器視覺感測判別魚頭方向，正向魚體將沿輸送至滾輪機構，反向魚體則由撥片引導至另一側輸送帶。兩個輸送帶上的魚體方向相反，可透過滾輪機構送至下方平臺進行同向排列且反向堆疊之秋刀魚漁獲裝箱。表 6 為一網次漁獲 (20 噸) 排整作業優勢比較。
圖 12. (a) 自動化排整 3D 圖 (b) 集魚槽及分量輸送帶 (c) 上平臺輸送帶及其配置圖 (d) 魚槽滾輪機構及其透視原理圖。
表 6. 一網次漁獲 (20 噸) 排整作業優勢比較。
臺灣遠洋秋刀魚漁船已有漁船上自動化系統的需求，若以傳統人工方式進行作業，除了控制每一網次之漁獲數量，更應增加漁船之漁獲處理速度，保持魚體最佳鮮度。人工篩選、排整、裝箱這種高工時且需判斷的重複工作，加入自動化設備將會大大提高作業效率，減少人為的疏失，而由於漁船艙間空間有限，體積將是後續機構改良的重點。
四、結論
臺灣傳統農業為勞力密集產業，智慧農業計畫推動導入智慧農業機具、作業輔具，可改善臺灣農業作業環境與管理，帶來省工與增加效率。例如在摘採芒果和木瓜，需要長時間高舉手臂的疲勞與傷害，若搭配穿戴式輔具可減緩體力消耗與增加生產效率。過往許多農產品的品質檢測需仰賴人工方式檢測，費力耗時與缺乏客觀依據，藉由農產品品質檢測技術與智能選別整排技術等，可以建立不同作物之品質標準，簡化後續處理工作人力與時間。綜合以上所述，除因應人力短缺及高齡化的課題，帶來的是更精緻化、高質化的農業生產。
過去的農業，把人當機器用，而現在，則要把機器當人用。農業與科技的結合，正在發生作用，智慧農業計畫帶來的改變不僅於此，更要扭轉農業經營觀念與模式的變化。小農為主的臺灣農業，將可以團體戰的概念，透過智農聯盟集體生產與管理的方式，擴大經營規模與增加管理效率。如農機代耕服務或農事服務團之概念，利用軟硬體進行集體生產控管、整合機具與人力資源、區域性操作，提高整體生產品質，創造更高產值。最終目標為希望未來農業可不必看天吃飯，並創造安全又便利的從農環境，吸引更多年輕人力投入，使臺灣農業邁向「效率」、「安全」、「低風險」的新農業時代。