近年來影像辨識技術於農業應用蓬勃發展，從輔助農產品採收、植物品種辨識、流浪動物管理，到利用隨手可得的手機APP監控作物病害等，足見影像辨識技術於農業應用日新月異，本期電子報將介紹應用影像辨識於農業之新興案例，提供農業從業人員以及有興趣的讀者參考與發想。

為漁民作出精準判斷

魚類攝食行為是水產養殖學門中一個非常重要的領域，透過瞭解魚類的攝食行為，可避免餵飼過多的浪費以及餵飼過少造成魚隻體重下降，而導致效益減損。現行的飼餵策略多為依據肉眼觀察投餌後，魚隻搶食產生的水花噴濺程度輔助判定飽食程度，此種方法需要經年累月的餵飼經驗才可達到精準投放餌料的境界。如果，將影像辨識技術導入，將可使漁民對養殖管理作出更精確判斷。國內過去有國立中山大學研究團隊曾開發全天候蝦群活力監測系統；國外亦有Observe Technology開發飼料影像辨識功能，提供漁民餵養時投餌頻度與餵食量之建議。而近期，Google X實驗室發表了一項「Tidal」(潮汐)的計畫。

圖1：Tidal影像辨識系統可識別出魚類的攝食方式
（資料來源：Google X實驗室Tidal計畫）

Tidal計畫團隊利用水下攝影系統在矽谷水池中拍攝與蒐集魚類數據進行訓練，以自動追蹤以及紀錄魚群的動態，目前的技術已經發展到可以同時監測上萬條魚體，並解釋人眼不易辨識的魚類行為，過程中也無須捕撈魚隻進行測量。系統在監測魚群行為，例如進食的同時，亦蒐集水溫以及溶氧量等相關數據，回饋給漁民參考。漁民可利用這些資訊追蹤魚群的健康狀況，對投放餌料的時間與數量做出更精確的判斷，以做出最佳養殖決策，除節省成本，也減少環境污染、保護海洋生態。

以影像辨識技術向雜草宣戰

當農民為了保護作物不受雜草侵害，對整塊田區使用大量單一的除草劑，往往產生耐藥性雜草，而需要耗費更多除草劑除去雜草，造成額外的損害，而如何打破這個循環？以色列的Taranis公司開發雜草識別平台，結合了衛星影像、無人機影像，訓練影像辨識模型，要替農民於大規模田區中進行雜草鑑定以及施藥處方，讓農民在開著飛機巡田的過程中，同時找出雜草。

Taranis首先利用無人機和飛機以每小時200公里的速度飛越田野，為每英畝的土地拍照，再以影像縫合(Image Stitching)演算法，將數以千計的田間影像拼接成一張高解析度全景圖片，以識別與顯示農作物可能面臨的問題所在。Taranis同時召集了120位農業專家，於所蒐集的影像中標記不同的雜草特徵，以訓練深度學習模型；如此一來，當駕駛飛機巡邏時，可立即透過攝影鏡頭直接在高空中識別出雜草種類，此平台目前已可識別出30種以上的雜草，包括惡名昭彰的莧屬雜草以及豬草，更可根據田區中每個地區的雜草種類將田地劃分為不同區域，制定施藥計畫，人類探查員可以在6個小時內覆蓋10個地點，但Taranis則可以在6分鐘內管理100個地點，並在特定雜草出現時立即對其進行識別，大量提升管理效能。

篩選健康蟲蛹與種子品管測試

不孕性昆蟲技術是一種藉由大量釋放不孕雄蟲來使野外雌蟲生殖潛能降低的蟲害防治方法，其成功之要件之一，就是持續釋放多代高品質不孕雄蟲至野外，且雄蟲最好達到100%不孕。以防治南美果實蠅(Anastrepha fraterculus)為例，早期多是利用X射線或γ射線照射南美果實蠅的雄蟲蛹使其不孕，並釋放至野外羽化。在進行輻照前會以肉眼篩選健康蟲蛹，以確保處理不孕照射後的蟲蛹可以成功孵化，然而常在篩選過程中常因肉眼無法判別忽略死掉或是空的蟲蛹，人工檢查的誤差率尚達10%，因而降低了不孕性昆蟲防治技術的效率。

據此，Sao Paulo Research Foundation (巴西聖保羅研究基金會)的研究團隊，利用影像分析系統VideometerLab進行健康蟲蛹的辨識，投過在樣本上閃爍LED光，計算出反射率，VideometerLab在反射成像中會呈現不同的顏色，當樣本的顏色越接近藍色，代表的蟲蛹品質越好，藉此，研究人員便可以區分肉眼難以分辨的高品質蟲蛹及空蟲蛹。利用此方法檢查蟲蛹，將以往需要耗費數小時的檢查，縮減至僅需5秒，大幅提升篩選健康蟲蛹之效率。目前研究團隊還嘗試使用VideometerLab分析番茄、胡蘿蔔、桐油樹與花生種子，由於常規的種子品管測試具有一定的破壞性與分析人員主觀性，利用VideometerLab可減少檢查過程中的耗損，並準確且客觀地分析種子樣本品質，詳細判斷種子的物理、生理、遺傳特性等，進而可大量節省作業時間與投入成本。

品種影像智能檢定

農委會種苗場近年積極建置與優化水稻種子高效能供料及品種影像辨識系統，並建構臺灣主要農園藝種子及常見雜草種子形態及生物特性資料庫，研發種子外觀特徵資料庫與種子影像比對處理技術，建立有效的種子形狀參考指標，以提升我國種子檢查與農產品檢驗效能，避免種子混雜造成生物性公害的物種散佈。

種苗場亦應用影像辨識技術於蝴蝶蘭品種權檢定，建置蝴蝶蘭品種權自動化檢定系統，系統可於極短時間內完成大量影像的比對，取得最近似前3名之品種照片及名稱等相關資訊，以提供檢定人員選擇對照品種之參考。並連結行動裝置將品種檢定資料於執行檢定過程同步快速輸入，完成檢定作業時可立即產出檢定報告書，不僅可節省高額的檢定費用，也可提升品種權檢定效率，對於市場更迭快速的蝴蝶蘭品種而言，為一大利基。

透過前述之魚類攝食行為識別、雜草識別、健康蟲蛹篩選與種子品管測試、以及種子品種識別等案例，顯見影像辨識技術於農業的應用不斷地推陳出新，惟現階段若要開發影像辨識系統，應事先充分瞭解產業需求，以及持續精進影像辨識成功率，以確保所開發之智能系統可以於產業中發揮最大效益。

參考資料：