登入
圖片來源：Herney Gómez from Pixabay
一、前言
從廣泛的定義來看，農業可定義為種植業、林業、畜牧業和漁業等。在傳統的認知裡，農業極度仰賴人力。而人工智慧(以下簡稱AI)近期以提升工作效率、解決人力短缺問題聞名，多數人將之視為取代人力的一大利器，而究竟AI能否在農業中發揮功效，其中又是否存在著瓶頸？
此外，農業所面臨的最大痛點，莫過於需消耗諸多時間在處理重複性高的工作，若能使其自動化，便有望使農業規模化。過去在工廠自動化方面，藉由電腦、機器之間事先配置好程式進行生產線整合，使得公司產品得以進行量產，AI或許是可能解方。
但若農業直接套用此項技術恐遭遇困難，因工廠需要生產出規格統一標準化的各類產品，故藉由自動化可以取得很好的成效，簡單來說就是透過一套流程來生產規格統一的產品。但農業所面對的是規格不一致的農作物、畜牧動物，故須先進行分門歸類，也不太可能藉由事先寫好各種規則來執行自動化流程。舉例而言，若欲依據蔬菜的品質優劣進行分類，品質不好的蔬菜包括葉子泛黃、被菜蟲咬壞、部分發黑等，在出現機器視覺(Machine Vision，簡稱MV)技術以前，只能交由人類來做，而在進入規模化時往往又面臨消耗人力成本的問題。
舉例而言，若欲依據蔬菜的品質優劣進行分類，品質不好的蔬菜包括葉子泛黃、被菜蟲咬壞、部分發黑等，在出現機器視覺(Machine Vision，簡稱MV)技術以前，只能交由人類來做，而在進入規模化時往往又面臨消耗人力成本的問題。由於AI在自動化運用在農業領域上，已經能快速又準確地區分農作物、畜牧物種，更可分辨其品質優劣，成為傳統農業缺工痛點的最佳解決方案。
本文將從全球市場角度出發，帶領讀者瞭解全球農業AI解決方案的新創獲投狀況、國際間AI應用於農業的範疇及代表性獲投新創、台灣應用範疇、AI+農業科技的挑戰與展望。
二、農業科技獲投概況
人工智慧技術在過去幾年以強大的應用能力深入各產業領域，除了簡化繁雜的工作流程外，也提供高效率的業務服務，重塑整個產業型態。在農業科技中，結合AI與農業科技作為核心業務內容的新創企業例子也屢見不鮮，盤點過去五年的投資交易事件，也能看出全球投資者對農業科技的重視，因而挹注資金協助產業發展。故以下從全球獲投統計出發，再輔以商業案例，協助讀者瞭解AI與農業科技在全球的發展概況。
(一)全球獲投穩定成長，件數及金額以美國獨占鰲頭
由Crunchbase獲投交易事件中爬梳AI+農業科技新創企業獲投概況。其中，AI所涉及的相關技術等標籤包括：Artificial intelligent、Machine Learning、Computer Vision、Natural Language Processing、Autonomous Vehicles、Image Recognition、Speech Recognition、Marketing Automation、Intelligent Systems、Facial Recognition、Predictive Analytics、Visual Search、Text Analytics、Home Automation、Business Intelligence、Deep Learning、Natural Language Generation。在2014至2018年間，共有9,123家獲投之新創企業符合以上關鍵字，之後再一一篩選與農業領域有關者。
經盤點後，統計出全球AI+農業科技新創共計60家，獲投金額共4.03億美元，如下圖所示。在2014與2015年時，AI技術應用於農業科技的新創企業僅零星幾家，到2016年熱度才逐漸浮現，並於2018年達到了29件的高峰，較2017年成長107%。
而投資金額最高落在2017年，該年度美國垂直農場新創Plenty獲得日本軟銀一筆高達2億美元的鉅額B輪投資，拉升全年度投資水平。若扣除該筆交易的影響，各年投資件數與金額皆是穩定成長的狀況。
由國別來看，獲投件數前三名依序為美國(36.5%)、以色列(12.9%)、加拿大(11.8%)，合計占比超過六成。由上圖得知，應用AI技術的農業新創企業仍以歐美地區先進國家為主，亞洲國家與全球獲投概況相比稍顯不足。
而投資金額占比仍是美國獨占鰲頭，因美國一直都具備最充沛的創業能量與資金，各領域的新創企業備受投資人高度期待，農業科技也不例外。此外，美國農業科技新創也獲得多筆鉅額投資，如Plenty等，拉高該國獲投資金占比。
從獲投階段來看，以A輪以前的案件數最多，包含種子輪及A輪，占比將近八成，而B輪後案件數較少，顯示該領域尚未進展至商業規模化進程，多數獲投案件仍處於技術驗證階段。
若由獲投金額來看，則以B輪投資金額為大宗，占60.2%。全球獲投金額前三名者均為B輪，包括美國垂直農場新創Plenty、美國航空影像分析公司Ceres Imaging和以色列精準農業新創Taranis分別獲得2億美元、2,500萬美元及2,000萬美元，可見多筆B輪鉅額投資拉高整體金額占比。
(二)依運用領域來看，以空拍技術進行辨識為大宗
AI於農業科技的應用範疇可分為環境監控、基因育種、無人機種植、品質篩選、種植狀況觀察等，其中超過一半以上的技術都圍繞在AI的機器視覺技術，如下圖所示。
以下將依序介紹2014年至2018年間獲投金額最高的6家新創公司：
1.種植狀況觀察—Plenty
Plenty是垂直農場新創公司，成立目的是為了讓世界上必須進口農產品的地區能夠減緩食物短缺的問題。該企業涵蓋各種類型的AI技術，包含機器學習及人工智慧系統，該公司所擁有的農場看起來像倉庫或大型商店，面積從100,000到250,000平方英尺不等，相當於2.3到超過5英畝，植物能在7到20英尺高的植物垂直柱上橫向生長，透過人工智慧系統，能精確提供所需的水分及養分、溫度控制和光照。
Plenty成立於2014年，總部位於美國。創辦人為 Jack Oslan、Matt Barnard、Nate Mazonson、Nate Storey，投資人包括Group 11、SoftBank Investment Advisers、DCM Ventures、Bezos Expeditions、Data Collective DCVC、Finistere Ventures、Louis Bacon、Innovation Endeavors。 2017年7月19日再獲得2億美元的B輪投資，累計歷經3輪股權投資，共獲得2.3億美元。
2.航空影像分析—Ceres Imaging
Ceres Imaging是航空光譜圖像和分析公司，利用電腦視覺、圖像辨識、人工智慧系統、機器學習等技術，為農民和農業企業提供服務，藉由感測器進行圖像掃描和數據分析，以訓練了解植物科學的AI系統。Ceres使用大學的植物研究資料庫，替美國和澳洲的農場提供服務，藉由軟體研發使客戶能在數周前就能識別病蟲害、農作物的水及肥料問題，以防止農作物的鉅額損失。
Ceres Imaging成立於2014年，總部位於美國。創辦人為 Ashwin Madgavkar，投資者包括Romulus Capital、Insight Partners，並於2018年6月28日獲得2,500萬美元的B輪投資，累計歷經5輪投資，共獲得3,550萬美元。
3.精準農業智能平台—Taranis
Taranis提供高精準度的空中監控業務解決方案，利用電腦視覺及深度學習技術對農作物進行監控和管制，以避免因病蟲害、雜草和營養缺乏導致農作物減產，並協助服務提供者、土地管理者和生產者監控他們的農地範圍，藉由獲得的數據做出最佳的決策。
Taranis利用衛星以每週兩次的頻率拍攝場地，並提供全球任意地區的過去8年的歷史數據，透過差異化分析來測量植物產量、葉綠素含量、地面溫度等。此外，該公司能藉由重疊拍攝整個區域圖像的方式，並利用圖像處理運算機制進行拼接，以生成超高解析度(ULTRA-HIGH RESOLUTION)的全景3D圖片，該解決方案與第三方Cessna飛機機隊一起合作，其成果可用於採樣和偵察等，並透過深度學習技術識別農作物健康問題。
Taranis成立於2014年，總部位於以色列。創辦人為 Asaf Horvitz，Ayal Karmi，Eli Bukchin，Ofir Schlam，投資者包括Sumitomo Corporation、Finistere Ventures、Vertex Ventures Israel、Eyal Gura、Vertex Ventures、Mindset Ventures、Nutrien、OurCrowd、Gal Yarden、Cavallo Ventures和Viola Ventures，並於2018年11月6日獲得2,000萬美元的B輪投資，累計歷經4輪股權投資，共獲得2,955萬美元。
4.農作物生長狀況辨識—Mavrx
Mavrx成立於2012年，總部位於美國，提供與上述新創企業內容相似的解決方案，亦使用衛星協助辨識圖像辨識農作物，已於2018年5月被Taranis併購。創辦人為Alexey Rostapshov、Max Bruner、Yuan Gao，投資者包括Eclipse Ventures、Bloomberg Beta、Visionnaire Ventures。2016年9月22日獲得1,000萬美元的A輪投資，累計歷經4輪股權投資，併購前共獲得2,242萬美元資金。
5.農作物生長狀況監控—Prospera Technologies
Prospera Technologies利用電腦視覺技術辨識農作物的圖像，並用人工智慧系統持續監控和分析植物健康及發育，其感測器亦結合具備微型氣象站以觀測農地現場的氣候、連結土壤探測器來掌握視覺數據，並以中繼站(Hub)蒐集來自其他感測器的數據資料，透過雲端網路連結至種植作物者的行動裝置，提供可用的解決方案。
Prospera Technologies成立於2014年，總部位於美國。創辦人為Daniel Koppel、Raviv Itzhaky、Shimon Shpiz，投資人包括Tekfen Ventures。2019年6月12日獲得B輪投資，但金額未揭露，累計歷經3輪股權投資，共獲得2,200萬美元。
6.利用AI影像辨識掌握雞隻生長狀況—NEC
日本電氣株式會社（NEC Corporation）與丸井農業合作社(位於日本鹿兒島縣出水市)合作，將AI技術運用於掌握雞隻存活狀況，使得傳統仰賴人力目測檢測雞舍雞隻死亡狀況的情況可藉由AI取代，以節省人力成本。自2017年以來，該公司已和多家農舍進行小範圍性試驗，預計於2020年開始落地商業化。
利用NEC的圖像辨識技術，只需將帶有攝影機鏡頭的推車在雞舍範圍內掃過，就得以將雞舍的雞隻狀況存至資料庫內，其AI系統事先以36萬張圖片進行學習，做雞隻存活與否的訓練，故得以利用所蒐集的圖片來獲得雞隻生存狀況。
藉由該技術使得以往需由人力進行判斷的時間大幅減少至五分之一，且擺脫以往一隻一隻檢測雞隻存亡狀況的情形，不再需要以人力目測所飼養的八萬隻雞隻，藉由AI解決人力成本痛點，並且精準度達到九成以上。
三、台灣應用範疇與未來展望
(一) 台灣新創案例
1.AI養蝦—中山大學AI智慧養殖團隊
養蝦業者高度重視水質品質，水質中酸鹼值容易受到外在因素而影響，同時養蝦池水深且混濁，無法藉由目測觀察飼料消耗量，若餵食過度恐影響水質平衡，造成蝦群處在不適當的生存環境，影響養殖率。
對此中山大學海洋科學系教授洪慶章，與資訊工程系教授黃英哲合作推動跨學系專案，利用AI技術分析出最佳的餵食時機，藉由與海洋中心合作開發的高靈敏度水下攝影系統(UVS)，得以全天候監控錄製全彩即時影像，另透過紅外線技術自動化觀測及預警，AI資料庫每天能新增4,000張以上圖片及錄影資料，可提供AI進行學習分析。
透過分析這些大量資料，用監控影像資料來訓練AI模型，目前AI已經可以協助漁民判斷是否該投餌餵食。另外，透過蒐集池內蝦子的數據(數量、大小與移動速度)，再將資料提供給機器進行學習，同時建立蝦隻成長模型，掌握蝦類成長狀況。
透過AI養蝦成績斐然，一般坊間養殖蝦子育成率約4到5成，若天候不佳，育成率還會更差，但透過導入AI以科學方法養蝦後，育成率可以提高到7成。
2.AI預測魚塭災難—旭海安溯水產有限公司
旭海安溯水產為位於台南的虱目魚養殖業者，接班人黃國良原先為資訊業高階主管，放棄高薪回鄉接手家族企業，並結合自身專業，透過AI、大數據降低魚塭營運成本。與傳統作法不同，其他業者在一年中有11個月養虱目魚，而安溯水產的魚池卻只花5到6個月養魚，其餘時間花在「養水」、「養地」上，主打友善養殖，並引進海水養殖。
黃國良表示：「海水養殖的變數，遠比一般魚塭導引地下水或灌溉水更複雜，但能減少重金屬汙染。」由於面對諸多變數，因此每天需要時常跑至魚塭做觀察以因應狀況，十分耗時人力。再者，養殖漁業成本之一，是以水車打水增加魚池含氧量的電費支出，但在導入AI後，一個月電費便從三萬元降至一萬五千元，整整省下一半。
然而AI能做到的不僅限於節省人力與電費，對於魚塭中的環境變化觀測才是最關鍵的。透過蒐集魚塭硬體裝備中的溶氧量、酸鹼度、氧化還原電位和水質等四種數據，得以判斷魚塭中的藻相和水質變化，藉此可有效監控著魚塭水質的含氧量、有機物殘餘量等關鍵變數。利用上述資料，AI就能推算出什麼徵兆會容易演變為魚塭內的災難，並能於兩天前預警魚塭災難，不會因為天害或人力疏失而造成財產損失災難。
3.AI農業—清大電機團隊之智慧精準農業技術
由清華大學電機資訊學院院長黃能富所率領的團隊，所開發的智慧精準農業技術(Smart Precise Agriculture)，利用AI人工智慧，精準預測農產量和收成日期。利用無人機、衛星空拍與圖像辨識分析等協助農業生產。簡言之，即藉由農業感應器來蒐集各項種植環境因子如：土壤溫溼度、電導度、空氣溫溼度、光照度和二氧化碳濃度等數據，再利用長距離傳輸，即時回傳監測數據給農民，並透過人工智慧分析及雲端控制，自動為農作物施肥、灌溉、照光和吹風，幫農民節省人力及物料成本，也提升作物的品質及產量，增加收入。
以火龍果為例，因南台灣夏季多雨，需在冬季種植，但秋分後日照不足，就需要在夜間進行補光，但燈光不僅影響作物品質，同時也關係到電費成本。透過「智慧精準農業技術」，可從日間光照分析夜間需要補光的量，自動化控制燈光，讓火龍果的品質更加均勻。另外，利用無人機空拍火龍果花的數量，透過人工智慧系統分析，也能精準預測產量和適合收成日期，更方便農民的出貨規畫。
目前這項技術已成功協助屏東、宜蘭及古坑等地種出品質風味更佳的火龍果、蜜漿綠棗和咖啡等作物，未來也將把這項技術引進印尼、越南等東協國家與印度。
4.AI養豬—基龍米克斯生物科技股份有限公司
基龍米克斯生物科技為全台最大的商業基因體定序公司，以原有科技服務之深厚基礎，發展精準醫學基因檢測，提供個人化醫療資訊。公司以Genomics(基龍米克斯)為名，所謂的基因體學是研究生物的基因體及如何利用基因的一門學問，藉由這些基因資訊的運用與開發，將能解決許多與人類日常生活息息相關的問題，如糧食的增產、新藥的開發、疾病的偵測與治療等。
在次世代定序(next generation sequencing，NGS)技術誕生後，使定序成本下降，並加快生成巨量基因體數據。而此類技術除了加速醫學領域的發展，更得以應用於其他生物相關領域，例如農業、畜牧業、環境與能源等。
因此，若能結合生醫產業對於基因數據的了解以及資通訊公司在資料運算、處理的優勢，不僅能縮短數據產出、管理和應用的時程，並使台灣的畜牧業能跳脫以往觀察型態為主的產品開發模式，利用基因技術和大數據分析進一步掌握生物最基本的基因功能，並應用於改善畜牧業的產量、品質、營養價值與疾病防治。
於是在2018年該公司提出「全基因組機器學習關聯性分析法開發種豬性能檢定技術專案」 (簡稱種豬基因組計畫)，透過有效分析基因數據幫助豬隻選育，提升種豬品系育種的準確度、縮短時程，加速育種腳步。
透過全基因組定序(WGS)先進分子檢測技術及數量遺傳分析資訊，建立種豬育種技術平台，結合機器學習技術，協助種豬產業選配基因優異的種豬，達到「精準畜產農業」的目標。基因組定序累積出許多大數據資訊，要能發揮數據價值、幫助豬農作好基因型管理和品種育成，將過去台灣種豬隻基因定序資料與生長紀錄歷程，導入機器學習以加快資料處理速度與準確度，並建立預測模型，用以判斷剛出生的小豬是否能健康的生長。使得過去需要等待三個月才能知道豬隻生長狀況，現今透過AI與基因檢測，已能提早獲知豬隻生長狀況，做更有效率的畜養。
5.AI農業環境監控—蜂巢數據科技股份有限公司
蜂巢數據科技是一家結合軟硬體與資料分析的農業科技公司，成立於2016年，旗下以「阿龜微氣候」為品牌，以熱帶作物為主要目標市場，透過即時掌握種植環境狀況，提供農場科學化生產管理解決方案，成為農務行為決策的好幫手。
該公司透過在地氣象站、田間感測器、縮時攝影機、無線傳輸設備、即時監控儀表板等設備，協助務農者了解作物種植狀況，降低契作合約過程中的風險，提升高品質作物產出率。在地氣象站能提供比中央氣象局更精確的在地預報，協助農民提前進行準備；田間感測器能蒐集土壤相關資料，協助農民判斷作物生長狀況，例如可協助判斷鳳梨農何時該蓋布，以及判斷灑藥防蟲時機；縮時攝影機則可協助消費者及採購時確認契作農夫是否有按合約行事。
透過上述資料，阿龜微氣候能將老農的務農經驗進行淬鍊、進行知識傳承，並提供更好的工具，協助農民進行決策，進一步協助第二代、第三代青農能以更快、更智慧化的方式上手。未來將進軍印尼、新加坡、馬來西亞等東南亞國家市場，針對採購商及大型農業生產者進行銷售，並希望以海外管理的模式與企業或集團進行合作。
(二) AI+農業科技的挑戰與展望
對於農業而言，從機器協助耕種、基因改造到農業高值化，將科技與農業結合使其創造出更高的附加價值。前幾年在報章媒體上也興起了「科技農夫」一詞，許多年輕人將在科技業所學到的經驗，套用至農業產業範疇上，AI與農業科技的結合已成為顯學。
從國外案例中，可觀察到多數著重於農作物辨識的農業科技新創，均是運用無人機空拍技術大規模地取得農作物空拍圖，藉由事前訓練過AI模型，可判斷出可能遭害蟲侵蝕的農作物位置，以及判斷植物的生長狀況等。
台灣目前已有應用無人機噴灑農藥的案例，據業者表示，藉由無人機灑藥不像傳統方式，農藥幾乎全都滲進土地，且一台機器可抵將近60位人力，既省藥量、成本，也能提高效率，對土地環境更友善。但若要藉由無人機空拍技術執行農作物辨識，首先遇到的問題就是資料是否齊全，對於遠距離的農作物狀況判別，必須由具豐富農作經驗的業者進行標籤，標示出健康的農作物與具農損作物間的差別，這些若一併計入成本，則導入AI後是否能產生正面的效益仍有待觀察。
而AI所能發揮的最大優勢，除了能減少商業規模化時所需的人力及設備等成本外，就是進行農業精緻化，由於其具有全天自動化的特性，且同時可以透過大數據資料庫去深入瞭解種植狀況，了解每年可產出多少農作物及未來產品價格區間，甚至能納入各種影響因子，對於農作物產量事先進行模擬預測。
也由於上述特性，使AI在種植高單價的農產品上得以發揮優勢，能縮減投入人力並創造更多精緻的產品。根據主計處2018年的資料顯示，農林漁牧業在台灣GDP的占比為1.69%，即該年就創造3,149.15億新台幣的產值，雖然市場規模不及工業及服務業的價值水準，但由於農業與民生飲食有高度相關，因此仍在整個產業領域中占有一席之地。
台灣也有不少新創企業及團隊投入農業科技領域，冀望藉由科技的力量為農業帶來改革契機。在民間與政府方面，看到許多業者與部會均有投入，無論是加速器的成立、單位處所的設立，都能看出各界均積極打造一個農業科技的生態系。因此，除了現階段各地政府所推動的工業4.0之外，行政院農委會也積極推動農業4.0，主打智慧生產與數位服務雙主軸的智慧農業，未來期待AI科技與農業之間能持續碰撞出新的火花。
四、結論
綜觀而言，台灣AI技術應用於農業科技方面多以環境監控為主，藉此減少投入的人力勞動成本。由於目前處在人力資本密集及少子化的社會，傳統農業面臨的勞動成本高漲的痛點，但能藉由新科技的運用迎刃而解，使得人力能妥善配置。
此外，台灣的土地耕種面積相對於他國是狹小的，但在農業發展中，土地耕作面積大小往往決定了該產業所能發展的規模極限，因此從上述案例中，可看到台灣能走的並非如國外的大規模耕種及生產的高競爭市場路線，而在於發展高單價的精緻農業，藉由AI輔助環境監控、作物種植、畜牧條件管控以及品種改良，整合現有軟硬體資源，以協助農業科技化。
但台灣在農業科技的發展進程中，有何瓶頸？以AI模型來說，模型的運作需要藉由大量的資料進行事前訓練，然而在基因分析的項目中，缺乏足夠的基因體數據來做模型的完善建置，對此得仰賴於生技與農業的跨領域合作；同時，對於農作物的辨識由於耕作面積相較國外狹小，故也不需藉由衛星空拍來執行，使規模化的種植無法發揮優勢所在，反之，發展小而精緻的高單價種植、養殖產品會是一條可行的路，尤其是在導入AI技術後，對於農作物、畜牧而言，能提供全天性及高強度的照護，提高單位產品所投入的心力，進而創造出更高的價值。
參考資料
- 王郁倫(2018)，「AI養蝦肥美又Q甜，中山大學教授們把育成率提高到7成」，數位時代，https://reurl.cc/Zn05q6
- ITmedia(2018)，「利用AI影像辨識勘查雞隻生長狀況」，農業科技決策資訊平台，https://reurl.cc/qDxyOy
- 杜憲昌(2018)，「AI農業 讓務農變成製造業」，人間福報，https://reurl.cc/M7axom
- 黃亞琪、譚偉晟、紀茗仁(2019)，「虱目魚可能暴斃？ 兩天前就會拉警報」，今周刊，https://reurl.cc/zyvjLV
- GENEONLINE(2019)，「農業基因體大數據加上人工智慧 精準醫療的彎道超車策略」，Geneonline，https://reurl.cc/VarKEZ
- 基龍米克斯(2019)，「台灣種豬基因體定序奇緣 基因定序先鋒 + AI 助攻為精準農業開道」，Geneonline，https://reurl.cc/oDnleq
- 林庭安、吳同凰(2019)，「無人機也能巡田水、灑農藥？經緯航太羅正方：打開市場，是個艱難挑戰」，經理人，https://reurl.cc/pDz7Ze
- 阿龜微氣候官方網站，https://reurl.cc/0z5LEY