近年來，全球氣候變遷和環境問題日益嚴重，對農業生產造成了巨大衝擊。傳統農業高度依賴天氣條件，面臨著作物品質不穩定、產量驟減、病蟲害難以控制等挑戰。特別是在台灣，農業生技業者和農民不斷遭受損失，亟需創新解決方案。同時，台灣植物工廠產業也面臨諸多困境：高昂的設備和人工成本、產業鏈不完整導致國際競爭力不足、企業間缺乏合作等問題制約了產業發展。此外，COVID-19疫情更凸顯了遠程監控和管理的重要性，傳統的人工巡檢和數據收集方式已無法滿足現代農業生產的需求。這些問題共同構成了智慧農業解決方案的迫切需求背景，推動了如台灣海博特等公司開發整合物聯網、雲計算和人工智能技術的創新項目。 海博特雲端數據整合分析平台 面對這些挑戰，農業領域亟需一套能夠精確控制生長環境、提高資源利用效率、實現遠程監控和智能管理的系統。現有的植物工廠設備往往需要整套更換，難以與舊有設備兼容，且感測器與攝影系統可能需要不同的操作界面，使用不便。因此，業界需要一種能夠靈活整合各種設備和技術的解決方案，既能提供實時監測和數據分析，又能根據植物生長狀況自動調節環境參數。這種需求不僅存在於台灣，也是全球智慧農業發展的趨勢。通過引入人工智能技術，可以建立更科學化的評量基準，優化生產流程，提高產量和品質，同時降低能源消耗和環境影響。此外，這種智能化的解決方案還能吸引更多年輕人參與農業生產，推動產業升級和可持續發展。總的來說，智慧農業解決方案的需求源於應對氣候變化、提高生產效率、降低成本、實現精準化管理的迫切要求，而這正是像台灣海博特這樣的公司所致力解決的問題。 台灣的植物工廠業者們正面臨著一系列嚴峻的挑戰，這些困難正逐漸侵蝕著他們的競爭力和生存空間。首先，高昂的設備和運營成本成為了他們最大的負擔。每一次電費賬單的到來都像是一次沉重的打擊，迫使他們在保證產品品質和控制成本之間艱難平衡。其次，氣候變遷帶來的不可預測性成為了他們的噩夢。突如其來的極端天氣事件可能在短時間內摧毀他們精心培育的作物，造成巨大的經濟損失。更糟糕的是，他們發現自己在國際市場競爭中日漸處於劣勢。相比之下，國外的大型植物工廠憑藉先進的自動化技術和完善的供應鏈，能夠以更低的成本生產出品質穩定的農產品，這讓台灣的業者們感到前所未有的壓力。 在技術層面上，他們同樣面臨著諸多問題。新舊設備的兼容性問題常常讓他們陷入困境，嘗試整合不同系統時總是遭遇各種技術障礙。缺乏精確的數據分析和預測能力也讓他們在生產決策上舉步維艱，難以準確把握每種作物的最佳生長條件。現有的監測系統提供的數據往往雜亂無章，難以解讀和應用。人力資源方面的挑戰同樣嚴峻，年輕人普遍對農業工作缺乏興趣，導致他們難以招募到具備現代農業技能的員工。即便是現有的員工，也常常因為繁瑣的手動操作和監控工作而感到疲憊不堪。這些問題交織在一起，形成了一個複雜的困境，讓植物工廠業者們感到既困惑又焦慮。他們迫切需要一個能夠全面提升工廠運營效率、降低成本、提高產品競爭力的綜合解決方案，以助他們渡過難關，重新在激烈的市場競爭中站穩腳跟。 在面對植物工廠業者的種種挑戰時，台灣海博特公司展現了卓越的技術創新能力和靈活的客戶導向開發策略。他們深刻理解到，解決方案必須能夠無縫整合現有設備，同時提供高度智能化的管理功能。為此，海博特的研發團隊採取了模組化設計的方法，開發出一套可以靈活配置的IoT（物聯網）系統。這個系統的核心是一個智能控制中樞，能夠與各種感測器和執行設備進行通信。在開發過程中，海博特密切與客戶合作，深入了解他們的具體需求和運營環境。他們甚至派遣工程師駐場，實地觀察植物工廠的日常運作，以確保開發的系統能夠真正解決實際問題。這種深度合作不僅幫助海博特優化了產品設計，還建立了與客戶的緊密關係，為後續的持續改進奠定了基礎。 海博特的創新不僅體現在硬件設計上，更體現在他們開發的智能軟體系統中。這套系統整合了先進的機器學習算法，能夠根據大量歷史數據和實時監測信息，對植物生長狀況進行精確預測和優化控制。為了幫助客戶克服技術障礙，海博特設計了一個直觀易用的用戶界面，即使是非技術背景的操作人員也能輕鬆掌握。此外，他們還提供全面的培訓和技術支持服務，確保客戶能夠充分利用系統的所有功能。在遇到難題時，海博特的技術團隊能夠通過遠程診斷迅速識別問題，並提供解決方案。在一次客戶遇到嚴重設備故障的緊急情況下，海博特的工程師通過系統遠程接入，成功指導客戶進行修復，避免了可能的巨大損失。這種全方位的服務不僅解決了客戶的即時困難，更增強了他們對智能化管理的信心，推動了整個行業向更高效、更可持續的方向發展。 海博特公司開發的智慧農業解決方案不僅為植物工廠帶來了革命性的變革，更為整個農業產業的未來描繪了一幅令人振奮的藍圖。這套系統的優越性體現在多個方面：首先，它實現了對植物生長環境的精準控制，大幅提高了作物產量和品質的穩定性。通過先進的人工智能算法，系統能夠根據歷史數據和實時監測信息，預測並調整最佳生長條件，使得每一株植物都能在最理想的環境中生長。其次，它顯著降低了能源消耗和運營成本，提高了資源利用效率。智能化的管理系統能夠優化用水、用電和養分供應，減少浪費，同時降低人力成本。此外，系統的模組化設計和強大的兼容性，使得它能夠輕鬆整合各種新舊設備，為植物工廠的逐步升級提供了靈活的解決方案。最重要的是，這套系統為農業生產注入了科技感和現代化氛圍，有助於吸引年輕一代加入農業領域，為行業注入新的活力。 展望未來，海博特的智慧農業系統具有廣闊的應用前景和擴展潛力。除了植物工廠，這套系統還可以應用於傳統溫室種植、都市農業、甚至是家庭園藝。在水產養殖領域，相似的技術可以用於監控和優化魚類或蝦類的養殖環境。在食品加工業，類似的智能監控和預測系統可以用於優化生產流程，提高食品安全性。甚至在製藥行業，這種精準控制的環境管理系統也可以應用於藥物研發和生產過程。為了進一步推廣這套系統，海博特可以採取多管齊下的策略。首先，可以與農業院校和研究機構合作，建立示範基地，讓更多人親身體驗智慧農業的優勢。其次，可以開發針對不同規模和類型農業生產的定制化解決方案，擴大產品的適用範圍。再者，可以通過舉辦行業論壇、線上研討會等方式，分享成功案例，提高業界對智慧農業的認知和接受度。最後，還可以探索與政府部門合作，將這套系統納入農業現代化和可持續發展的政策支持範疇，從而在更大範圍內推動智慧農業的普及。通過這些努力，海博特不僅可以擴大自身的市場份額，更能為全球農業的可持續發展做出重要貢獻，真正實現科技賦能農業的願景。

隨著高齡人口增加，伴隨著各種慢性病的發生機率日增，其中，心臟衰竭不僅是隱形殺手，由於心衰疾病的病程非常長，復發機率高，造成醫護人員的負擔加重。然而，利用通過醫療認證之心電心音裝置，搭配心臟衰竭風險AI預測評估及遠距照護系統可輔助診斷幫助醫師做出正確的診斷，以利於後續病患的醫療或轉介。 心臟衰竭病程長 醫療支出是糖尿病5倍 如果你有呼吸易喘，甚至稍微動一下就喘，或是夜晚睡覺的時候，容易從睡夢中驚醒，需要坐起來才會比較舒服，又或是下肢容易有水腫等狀況，甚至合併有焦慮、不安、疲倦、食慾下降hellip等症狀，當心很有可能是心臟衰竭。 根據統計，全球心臟衰竭人口約有6000萬人，每年新增的心臟衰竭人口約500萬人。中國的心血管疾病患者將近29億人口，占城市居民死亡原因第二位；而全中國約有1200萬心臟衰竭病人，佔心臟病死因的59以上。尤其心衰疾病的病程非常長，且復發及再入院率非常高，使得醫療支出的成本是高血壓的2倍、糖尿病的5倍。 根據美國研究統計，心肌梗塞及心臟衰竭病人的30天內死亡率分別為166及111，並且30天內再住院率分別為199及244。心臟衰竭的症狀因為和其他疾病如慢性肺阻塞，氣喘等疾病相似，有185 的誤診率，對於醫療院所而言，是相當棘手的問題。 麗臺科技為顯示卡大廠，2000年起投入醫療及健康照護領域。由於董事長盧崑山曾分別與2011年及2015年兩度心臟病發，因此，麗臺科技專注於健康大數據，自主研發心臟衰竭AI辨識技術，此一AI應用讀取病患的心電圖以及心音圖做出異常檢測以及心臟衰竭的風險預測模型，可及早發現疾病徵兆。 麗臺科技自主研發心臟衰竭AI辨識技術 可預測病史及風險 麗臺自主研發之心臟衰竭AI辨識技術具以下三種判斷功能： 1 心臟衰竭病史之預測 將心電及心音圖資料分類為「具心臟衰竭住院病史」以及「未具心臟衰竭病史」兩類。 2 心臟衰竭風險預測 將心電及心音圖資料給予發生的心臟衰竭風險預測值。 3 心臟衰竭再發生風險預測 針對已有心臟衰竭的患者判讀其心音圖及心音圖，判斷其心衰再發生之風險預測。 麗臺科技表示，心臟衰竭AI辨識技術應用可輔助醫師更有效率且精確的診斷，以利後續病患的醫療或轉介。舉台北榮總研究心臟衰竭的離院病患為例，根據心電心音同軸檢測裝置所計算出的EMAT電機活化期指數與SDI心縮不全指數作為治療指引的病患，會比依據傳統症狀做為治療指引的病患，有更高的存活率，此研究也已刊登於國際心臟權威期刊JACC，獲得國際市場肯定。 系統廠商可將心臟衰竭AI辨識技術作其他加值應用 麗臺科技表示，合作系統廠商可選擇自建心臟衰竭AI風險預測引擎，將自有系統之心電心音圖上傳到麗臺心臟衰竭AI風險預測引擎後，引擎回傳風險預測值，做為系統整合廠商合作廠商的加值應用輸入。 不僅臨床使用 心臟衰竭AI風險預測引擎可延伸居家或工作場與使用 此外，這套系統也可以延伸至其他應用，包括： 一、醫院門診快篩：醫師可使用心電心音記錄器及心臟衰竭AI風險預測模型，在門診、急診進行10秒快速檢測，評估病患心臟病史及心臟衰竭風險。 二、出院風險評估：醫師可使用心電心音記錄器及心臟衰竭AI風險預測模型，評估病患住院期間的心臟衰竭風險，檢測數據可作為出院前的風險評估及預後指標。 三、居家連續照護：病患可使用心電心音記錄器、穿戴心電圖記錄器，透過居家傳輸盒閘道器，在家量測心電心音訊號，並上傳至amor健康雲平台進行心臟衰竭AI風險預測分析。病患可透過APP自主健康管理，檢視歷史生理趨勢；疾病個管師可透過健康管理後台Web管理會員健康。 四、居家康復訓練 病患可配戴健康手環，進行活動、疲勞、循環、睡眠檢測，透過手機APP自主管理健康及觀察心臟衰竭風險，進行運動及康復訓練，幫助身體快速復原。 心臟衰竭AI辨識技術系統可以延伸至員工居家照護等應用。 此外，在工廠或辦公室等場域也可以透過這套系統達到員工健康管理的目標，應用的方向包括： 一、工作場域之作業安全單位：在員工執行工作業務前發給員工穿戴心電圖記錄器。 二、業務執行者生理監測：員工於執行業務或訓練時，配戴穿戴心電圖記錄器之疲勞警示，警示生理狀態是否可繼續執行任務。任務執行段落可使用資料傳輸盒或APP 將生理監測資訊上傳至健康管理平台，並評估作業員工心臟衰竭風險，檢測數據可作為企業資源人力單位做為風險評估及公共安全對應指標。 三、工作場域生理監控中心照護：工作場域的生理監控中心可透過健康雲平台，檢視並記錄員工值情時之歷史生理趨勢。 四、工作場域之護理單位：護理單位在接收生理監控中心指示，可依據值情員工的生理趨勢給予健康管理的建議；護理中心可透過健康管理後台Web管理員工健康。 五、員工可配戴健康手環，進行活動、疲勞、循環、睡眠檢測，透過手機APP自主管理健康及觀察心臟衰竭風險，進行運動及康復訓練，幫助身體快速復原。 工作場域應用心臟衰竭雲端照護及大數據中心示意圖

衛星遙測影像雖然可以讓地面景物無所遁形，然真正要能落地應用至產業面，還需要耗費大量時間與人力。為有效解決客戶面臨巨量影像資料消化困難及消除跨領域用戶對衛星遙測影像處理的技術障礙等問題，興創知能研發「巨量遙測空間數據AI分析雲端服務平台」，作為智慧空間資訊跨域AI應用導入的新開端。 近年來，為了因應產業全球化衝擊，臺灣農業轉型持續走向科技化與精緻化，紛紛從微氣候衝擊、病蟲害防治等問題的解決，來提升農作物的產量與品質。為了精確掌握作物的生長環境、農業對於影像的使用，有了無限擴張的需求。 在早年UAV無人機尚未盛行的年代，人工田野調查是最基本、卻也最消耗人力的工作，有了UAV無人機的出現，航拍操作也許不太困難，但能拍的範圍受限，要精確地擷取空間資訊，還需要測量專業。此時，衛星遙測數據的使用可能就此跳脫過去使用影像資料的想像。 國家太空中心TASA資料倉儲服務 在近十年，現代衛星遙測應用技術的突破，數位地球成了全球資料採集的新趨勢、各國紛紛發展資料立方的影像倉儲技術，各國發展智慧農業成了最大的影像用戶之一，掌握作物的栽種分佈，就是掌握作物產量的第一步，有了免費的衛星遙測影像、強大的資料倉儲支援，以及團隊穩健的影像辨識技術，是加速農業轉型的重要支持。 運用衛星遙測影像數據 可加速智慧農業發展 然而，在過去，想透過衛星遙測影像來萃取大面積作物分布，也是困難重重，所需要花費的費用不說，若想使用免費的資訊，必須逛透國際太空機構的網站，在琳瑯滿目的衛星產品規格表中，審慎評估感測器規格、影像解析度以及再訪週期，找到適合的影像後，還得一幅一幅的看，去蕪存菁，接下來，動輒數百MegabyteMB的影像資料、連續幾十張的影像下載存檔，所用的電腦容量恐不堪負荷。 還有，當克服影像存取、備好資料後，接著必須開始確認下載的影像產品，哪些才是想要的波段，因為眼前看到的影像並不只是一個圖檔jpg或png，複雜的多光譜資訊、屬性欄位和座標資訊，光是確認正確的資訊，就耗費龐大心力。 而面對功能複雜的GIS套裝軟體，又是另一個麻煩的開始，複雜的影像前處理流程，以及缺乏彈性的機器學習套件，大幅降低分析資料的效率。好不容易做出作物辨識的結果，才發現可能已經過了圖資使用的黃金時期。上述複雜耗時的衛星影像處理問題，恰恰就是市場的痛點， 興創知能從傳統的機器學習擴展到現代的深度學習應用，研發在GeoAI框架下的「巨量遙測空間數據AI分析雲端服務平台」，為客戶突破這些空間資訊的魔鬼細節。 AI分析雲端服務平台流程導入前後之差異 興創知能表示，在我國國家太空中心TASA, Taiwan Space Agency的多年努力下，屬於臺灣的ODCOpen Data Cube系統也已打造完成啟動服務，與國際趨勢正式接軌，強大的倉儲技術讓使用者可以輕易的根據需求，擷取並使用特定時間與空間範圍的影像資料，倉儲收納了國際太空機構旗下的多個衛星影像資源，包含ESA的Sentinel-1每隔6日一幅、Sentinel-2每隔6日一幅，USGS的Landsat-7每隔16日一幅、Landsat-8每隔16日一幅，以及國內自有的Formosat-2每日一幅與Formosat-5每隔2日一幅。 以Python語言為基礎 興創知能開發衛星影像辨識工具 擺脫GISGeographic Information System套裝軟體的侷限，興創知能以Python語言為基礎，整合GDALGeospatial Data Abstraction Library，並考慮運算效率與平行處理，完成所有衛星影像處理與影像辨識建模所需的工具開發，包含座標系統與資料格式的轉換、網格與向量資料互動，以及資料內差與正規化等工具，都是以AI應用為考量進行設計，而部分常用的工具更以TronGisPy為名，打包為開源套件造福技術社群。 興創知能善用團隊對衛星遙測影像的了解，以及透過所蒐集的標記資料作物分佈圖資，預設好影像辨識建模過程，所需的訓練資料規格與資料集定義，套用事先完成的機器學習LightGBM或深度學習CNN框架，並讓整個訓練過程在Web GIS的介面中，提供使用者部分的彈性，自由篩選影像、確認時空範圍、選用模型與超參數調整。除了訓練模型的操作，也提供歷史模型的運用產出辨識結果，最終讓作物分佈的辨識結果展示在Web GIS圖台。 事實上，不僅只是農業才會有衛星遙測的應用需求，隨著各行各業為了提升企業全球性的競爭能力，空間資訊的智慧化應用也大幅度的出現在各種領域之中。舉例而言，擁有大量圖資的測繪業者，能夠透過AI分析雲端服務平台 ，收納圖資的同時也加速數化製圖的效率；在全球氣候劇烈變化與致災性地震風險之下，產業保險類別豐富，農業保險、金融保險或是災害保險，都與空間資訊脫離不了關係，透過遙測影像辨識掌握保險標的早已成為國際趨勢。 巨量遙測空間數據AI分析雲端服務架構