●技術簡介：

本技術採用占有全台稻作種植面積的70％的台南11號(TN11)。透過水稻的生理指標數據結合環境數據建立「作物水分預警系統」。可超前預測水稻即將缺水的情形，並即時發出乾旱預警，進而使決策者可以適時、適量給予水稻灌溉，以提升水資源使用效能及減少農民成本與農作之損失。
●技術之科學突破性：

目前國內作物栽培管理之水分預警技術仍屬待開發階段，國外以土壤水分、空氣濕度、空氣溫度等環境因子預測作物水分狀態，如荷蘭 Grow Watch與日本秋彩等系統。因研發導入產業的成本太高，致使智慧農業服務終止。本技術採用低成本異質感測器結合人工智慧技術，可降低導入產業的成本並提升農民採用的意願。技術突破要點：
1、作物水分預警系統之開發
a.作物生理指標條件過濾模組
本模組負責將通過作物生理指標推理模組的資料進行分析，尋找不同的作物生理指標之最佳閥值進行資料過濾，如葉溫、株高以及空氣溫度與葉溫的差值。過濾前會先進行資料清洗，資料清洗則採用實地經驗為規則，例如作物在缺水時，葉溫會偏高，而不缺水時葉溫會較低。
b.作物生理指標推理模組
本模組主要負責利用植物生理感測器收集不同栽培環境下作物生理指標的異質資料，如：葉溫、植高、葉綠素及環境空氣溫度，並藉由量測的生理指標，推理出可增進系統學習的新生理指標，如葉片與空氣之溫度差值。
c.作物生理指標交互影響分析模組
以作物生理指標推理模組為基礎，本模組考量水分需求可能是源自於不同作物生理指標的交互影響。因此，本模組使用各種作物生理指標交互影響的組合，以產生更具意義之特徵，能使特徵間差異更明顯，有助於人工智慧的學習。如應用於葉溫與氣溫彼此差異微小。
d.作物生理指標之智慧用水模組
1.經作物生理指標條件過濾模組後的資料集，以作物生理指標交互影響分析模組產生的特徵，並利用人工智慧技術建構作物生理指標之智慧用水模組。以2020年第一期作、2020年第二期作以及2020年不分期作為例，智慧用水模組結合上述突破性的模組，整體準確度皆可達到80％以上。
2.另外本技術也利用熱影像的照片資料分析作物葉片溫度，運用TASEM-G100測溫儀輸出240×320的熱影像以及RGB影像。因此，我們可以利用該RGB影像自動偵測葉子的點，然後對應回240×320的熱影像中，即能取得每片水稻葉的單點溫度，去除離群值後取其平均即為整片水稻田葉溫，亦能提升收集葉片溫度資料的效率。
3.本技術可節省灌溉水用量達20％ 以上，亦即1,269 百萬噸的水，可提供4.8個月之民生用水量。
●技術之產業應用性：
目前台灣智慧農業的應用尚不普遍，在農作栽培管理時，水量的給予大多是依農民的經驗，因此易造成用水過量或病害發生率提高等問題，故開發本技術的目標是朝向以低成本的作用生理指標感測器，協助農作有效利用水資源以降低水資源成本，進而可因應極端氣候或氣候變遷所造成的缺水逆境。另一方面，農村面臨人口老化、農業缺工及水資源永續利用等課題，本團隊利用此一技術建立「作物水分預警系統」，可分析水稻作物生理之含水量，在未有表徵下，超前預測即將缺水之情形，並即時發出乾旱預警，達到省工及精準用水的目的。在產業技術、社會經濟及環境永續等議題應用如下：
1.本技術首創採用低成本的異質感測器收集作物的生理指標數據，目前的系統原型已成功應用在霧峰的水稻小田區，可降低乾旱期農田休耕的面積達 20％ 以上，增加稻作產量約50,000公噸。未來可結合自動化用水管理系統，可降低產業導入的成本，並提升農民採用的意願。
2.利用作物水分預警系統的技術，判別水稻作物生理之水分程度，可超前預測缺水情形並即時發出乾旱預警，進一步讓農民可適時、適量給予水稻作物灌溉水，以達到精確性節水灌溉之目的，不僅可有效提升水資源使用效能及永續利用，亦能增加降雨不足時之作物栽種面積，甚至還能同時增加產量。
3.環境逆境易造成病蟲害流行與變異，因此運用本技術針對水稻作物生理狀態分析，可建立作物病蟲害預警模組，超前預測病蟲害即將發生，即時發出預警，進行防治策略，以減少水稻作物的危害程度，增加產量，並維持作物健康品種，篩選優良品種延續下一代。
4.本技術將發展為農業科學化管理，精確性節水灌溉可有效運用農業用水，同時增加農民經濟收入，未來將與農民、農會單位、大型契作公司、農業改良場、智農設施公司合作，於全開放田區進行試驗，取得農民之反饋以優化系統，進而建立農事服務系統。未來可推廣至東南亞大面積之農田或易於旱災之農業國家，以期改良我國稻作種植之用水問題。
5.本技術亦能應用於玉女小番茄、洋香瓜及水耕蔬菜等高經濟價值作物上，並結合精準控制灌溉水量，可降低水資源的消耗，增加作物產量。同時避免面臨全球氣候變遷與資源短缺的威脅，協助解決糧食危機的問題。

線上展網址：
https://tievirtual.twtm.com.tw/iframe/5df3d04e-5a94-44de-bd14-108ee9241168?group=23bfb1fa-dd5b-4836-81a1-4a1809b1bae5&lang=tw