文／簡季婕 Jessica Chien，若水AI數據處理事業部負責人
【前言】
台灣早期靠農業打下經濟基礎，隨後工業化帶來衝擊，農村人口老化，預估未來10 年將有 11 萬名農民因高齡化退場¹。工資成本上漲，年輕人又不願意返鄉，這場勢在必行的農業轉型生存戰，該如何解套？
好消息是，工業 4.0、智慧農業的時代來臨。AI 人工智慧的出現，為傳統需大量人力投入的農業開創轉型契機。
根據《世界農化網》報告顯示，
以應用為基礎的智慧農業市場有望在 2022 年達到 184.5 億美元的規模，年均複合增長率 13.8%
智慧農業應用的範圍很廣，舉凡農園的日照、溫度和濕度等的遠端數據監控，農作物的生長監測，果實採摘機器人，甚至到病蟲害防治，以及區域性範圍的3D植被檢測等，都算在智慧農業的範疇。
面對智慧農業的趨勢，世界各國紛紛祭出「數據」來解套。
法國作為歐盟規模最大的農業生產國，首當其衝。法國政府、農業組織、私人企業三方協作，建立了一個涵蓋栽種、漁業、畜牧，甚至是農業技術研發、商業市場及法律政策的農業資訊數據庫。法國農民不用頂著豔陽出門，只要滑一下手機，就能一手掌握天下「農事」。
在亞洲，日本是出了名的高齡化大國，農民平均年齡高達 67 歲。日本農林水產省曾經估算，2015年原本還有 150 萬農業從業人口，但到了 2030 年將一路下滑至 75 萬人，15 年內就減少了一半。這個數字讓茨城縣政府決定採取行動，拯救地方農業。
茨城縣位於日本東北方，農地幅員廣闊，大約是 460 個東京巨蛋這麼大。
今年4月，茨城縣啟動「筑波市未來共創計畫」，透過政府、農家和新創企業的產官學合作，與農家共同開發智慧農業的 AI 機器人，要以低成本的方式將機器人導入當地栽種番茄、小黃瓜、青椒、荔枝等農園。致力以 AI 影像監控打造省時、省力且「賺得了錢」的農業，共創下個一百年的永續農業榮景。
智慧農業起手式，從數據收集開始
若水AI數據處理事業部 經手過的智慧農業專案，涵蓋了自動採收、生長監測及病蟲害防治等主要類型，客戶有的來自大型企業、新創或農業組織，其中又以日本客戶最多。
在著手推進數位化轉型或 AI 產業化前，「數據收集」是重要的起手式。打個比方，我們都知道一塊頂級和牛，需要有細緻的肉質，以及均勻分布的油花，而好的數據集很像和牛，需要同時具備以下特徵：
1, 圖資「品質」夠不夠清晰、正確？
2, 各種目標物件和場域情境的「比例」，是否均勻分布？
如果一批 AI 數據收集的角度不對，或者，多樣目標物體之間的圖資數量偏差大、影像模糊不清，都容易造成機器學習的偏誤。
以花卉農地的生長監測為命題的 AI 應用為例，一般會採高角度的空拍機取景，並且在蒐集圖資時，不放過周圍會造成干擾的物體，例如雜草植被、其他混雜的花卉品種等。必要時，連晴天、雨天的影響也需考量進去。
而果實類的採收機器人的 AI 應用，就需以平視的角度拍攝，並可能把重點擺在取得比例相近且清晰的莖、葉、花苞、花朵、果實等特徵，才能學得快又好。
等數據收集完畢，就進到了另一個重要的環節－－數據標註。
智慧農業的轉型第一哩路：AI 數據怎麼標註是關鍵
智慧農業的 AI 數據標註，其實不比一般的數據標註簡單，原因在於它牽涉到大量的「植物學」，而且非常講究細節。
有段時間，在若水充滿現代科技感的辦公室裡，擺了一整排的番茄盆栽。過一段時間，番茄又被換成覆盆子、百合花等植物。有些客戶來造訪，以為這些盆栽的存在是為了美化環境，實際上是專案管理和 AI 數據標註團隊為了近距離觀察植物生長的細節，才能掌握標註的特徵和細節。當遇到解決不了的難題時，我們也會請教農業相關的專家，好充份理解植物生長特性，讓標註工作做得到位且有品質。
因為有豐沛的數據標註經驗作為養分，在對應不同農業專案時，可以很快的將過往的經驗複製到其他案型。
例如覆盆子採收機器人的案子。如果標註時只把果實和花朵的部分框起來，給機器學習，就會發現一個盲點：那就是「枝幹」也需要被標註，而且必須要明確區細分出主幹和支幹的差別。
為什麼這麼說？
如果只標註果實處，機器有可能會為了達成採收果實的目標，直接把枝幹給剪斷，造成嚴重農損。同時，枝幹又有分主幹和支幹兩種，必須明確地告訴機器數個彼此不互相矛盾的原則，機器才能知道哪幾處該剪，哪幾處又萬萬剪不得。
道理聽起來很簡單，但站在客戶和 AI 機器人的角度換位思考，需要的是對數據的專業洞察，以及創新解決能力。
若水和客戶間的關係，與其說是單純的訂單交付，更像是肩並肩、一起協助AI應用落地的戰友
透過回饋機制，不僅優化標註原則，也節省客戶來回校正數據偏誤的時間。
用 AI 為客戶和數據標註師助攻
對稻子有印象的人會知道，稻穗的體積很小，有些顆粒甚至只比螞蟻再大一些。若水曾經遇過研究單位請我們標註稻穗，但一株完整的稻子，上面的稻穗可能多達 2000 粒。每張圖資都有上百個物體要框，不僅對 AI 數據標註師來說是很大的眼力的負擔，一旦作業時間拖長，很容易影響到交期。
這時候，若水自家平台上的影像標註工具 「DeepFit」就派上用場了。導入智慧標註工具後，標註師只要拉框之後放開，框線便會自動和物體邊緣貼齊，省去來回調整框的時間。假設拉一個框能夠省下 3~5 秒，那麼每張包含 100 個框的圖，就省下了 5~8 分鐘，整體標註效率以倍數提高。
當標註需要快狠準，人力配置就要超前部署，讓適合的人做適合的專案，才能合乎客戶對高品質、高效率的期待。
經過上百個橫跨不同國家、產業的標註專案經驗淬鍊，若水整理出標註師必備的 4大核心能力，包括邏輯理解、面積佔比、肢體動作及輪廓判定。依此，替上百位標註師做專案適性度分析，透過自家平台系統，將最適合的標註師推薦到最擅長的專案，帶動產能和產量。
又例如害蟲的標註專案，最需要操作上的細緻度，再加上能面對一整片黑褐色的蟲蟲大軍，做出敏銳的認知邏輯判斷者。此時，擅長判斷動態追蹤、面積占比型的標註師，系統就不會優先派入此類專案。
AI 智慧農業時代來臨，在產官學的推動之下，有 AI 數據的助攻，盤中飧或許不必粒粒皆辛苦。
【推薦閱讀】
1, 整個 若水AI數據服務平台 的設計主軸就在於：怎麼透過科技的力量，協助標註師在工作中順手、有品質，進而讓所有人即時看見數據的流動。 ➡️➡️ 這是怎麼做到的，請看 這裡
2, 「看見再噴」成功減少了萵苣田95％及棉花田90％的農藥用量，降低用藥成本，減少對環境與健康的負面影響，並同時提高糧食產量。180年的農機老店John Deere怎麼運用電腦視覺和機械學習，讓除草變成一場精準手術？➡️➡️ 全文 在此
參考資料：未來農業4.0，國際智慧農業發展策略，智慧農業發展現況¹
圖片來源：Sagri官網
