漁業是海島型經濟的重要產業，然而，養殖漁業近年面對嚴峻挑戰，包括氣候變遷、人力短缺與成本上揚等，尤其是未來10年農業就業人口有將近11萬名因高齡化退場，為此，水產養殖朝智慧養殖的需求日益殷切。 成立於2014年的峰漁公司，以自行水產養殖為基礎，開發出獨有的友善環境養殖模式，運用AI知識化養魚，有效提升10水產產量，降低15人力時間成本。 「峰漁」二字的涵義深厚，「峰」代表好山，「漁」代表好水，期望企業能讓台灣永遠有好山好水；也是「豐腴」的諧音，希望產品帶給消費者飽滿健康的身心。公司創辦人劉建伸歷經養魚學徒、募資、租借魚塭、創立養殖公司、開創品牌及推展銷售等創業歷程，實屬不易。 勞動人力短缺與漁業從業人員年齡老化 養殖漁業藏隱憂 臺灣現階段的水產養殖仍以傳統式養殖魚塭為主，養殖技術仍靠口耳相傳的經驗傳承為主，加上勞動人力短缺與漁業從業人員平均超過60歲，導致無法有效穩定的提升產能與良率，此種飼育方式在水產疾病控制上產生一定的難度，又為了進行疾病防治，而使得藥物濫用、環境汙染與水質生態破壞的可能性大增，造成惡性循環，使得養殖品質下降。 此外，臺灣養殖市場也有651水產養殖工作者遭遇技術不足困擾，傳統養殖戶在有限的IoT感測器支持下，主要仍然是憑藉本身的經驗知識來進行水質管理、飼料投餵、疾病發現等養殖作為，此種極度倚賴個別漁民能力的養殖管理，一旦老師傅凋零，不僅面臨傳承接班的議題，也難以穩定的供應一定品質、數量的漁獲，恐將造成整個養殖漁業從養殖到銷售端的困境。 為了改善漁業養殖無法經驗傳承的痛點，同時也為漁業在養殖上具備「數位化」基礎，當務之急必須從開始搜集養殖行為數據建構AI服務為重要開端。 漁業數位分身技術 協助漁民轉型智慧養殖 峰漁公司在資策會的協助下，引入「漁業數位分身」技術，以動態調整養殖排程，也就是說，依照魚類的物種、習慣、變因來調變養殖排程，用AI養殖技術來養好魚，不僅有效提升10水產產量，同時更降低15人力時間成本。 具體作法上，先將每個物種如鱸魚、台灣鯛等，將養殖的魚池、吃料及決策行為數位化，從放苗至收成的階段，所經歷的季節氣溫變化，全部一一記錄下來進行數位化，逐漸將老師傅的經驗方法紀錄存成豐富的資料庫。 針對紀錄下來的資料，分析複合式的變因，找出最佳的養殖行為，產生動態式的養殖排程。 一池一池的紀錄養殖師傅的數據經驗。 然而，養殖行為普遍依賴經驗法則，即便是資深的養殖師傅，也難確保找出最佳答案，因此提出新的做法解決此議題：即「透過預測養殖行為與水質、飼料投餵的過往資料與養殖互動，並從水質、養殖反向評價養殖行為，藉此找出最佳的養殖行為」，透過每天時程排程，給予漁民最直覺式的操作建議。 為了持續滾動優化動態養殖曆，會反覆朝向三步驟循環進行模型疊代： 1向模型輸入現在的養殖曆； 2模型預測未來的環境； 3用未來的環境修正養殖曆的缺點，藉此得到新版的養殖曆。 在過程中，同步藉由養殖專家的經驗來建立養殖行為與環境之間的因果關係。 動態養殖曆程的建立及科技養殖建議服務，提供了可回溯、追蹤詳細的養殖歷程，是少數可將養殖數據化的技術，漁民在知識的建構上可以很快速、簡易的方式記錄日常行為，不需占太多時間，長期下來可以減少15人力時間成本、平均提升10產量營收。 智慧養殖成效卓著 減少15人力提升10產量 同時，也可將養殖曆延伸至不同的水產物種，如白蝦、虱目魚、文蛤、台灣鯛等，依各池產生不同規格的養殖排程，收成的水產物種依不同規格溯源追蹤，建立安心食品一條龍服務。 峰漁主要產品分為兩類，一類是水產養殖模組，包含魚苗、飼料、資材及益生菌、生產養殖規劃與製程、監測等，可單獨販售也可模組輸出。 峰漁公司出產的優質水產品，屢屢獲得大獎。圖峰漁公司官網 另一類產品是優質水產品，包含鱸魚排、鱸魚丸、無油鱸魚丸、鱸魚水餃和鱸魚高湯，產品榮獲各種獎項，包含2017 年屏東十大伴手禮、「菌沛尖吻鱸魚排」榮獲2017 年農委會評選銀髮族友善食品、「菌沛無油鱸魚丸」榮獲農委會評選2018 年銀髮友善食品金饌獎、「好漁夫鱸魚水餃」及「精燉鱸魚高湯」榮獲2019 年農委會評選銀髮族友善食品，連續獲獎代表峰漁公司的水產品「品質」看得見也食在安心。 此外，峰漁擁有專屬符合國際需求的水產種苗，例如：純海水養殖的吳郭魚種苗及自行選育海水台灣鯛種苗（FY-01），是許多國家養殖企業引領企盼的品項，也依照環境設計的養殖模組、疫病監測工具及飼養資材，提供客戶更穩定的收益。

位在高雄的嘉信遊艇，成立逾40年，是台灣最大客製化遊艇業者，客戶遍佈美、歐、亞、澳各洲，為臺灣贏得「亞洲遊艇王國」的美譽。為了解決目前FRP船體檢測仍仰賴傳統方法如人眼辨識、敲打辯聲，耗時費工問題，嘉信遊艇首度將PAUT 陣列式超音波檢測運用於船體FRP複材上，並結合AI判讀超音波影像，發展完整智慧化解決方案，創造檢測業新興市場。 嘉信遊艇前身是嘉信木業有限公司，剛成立時是間位於高雄市臨海工業園區專營木材進口的工廠，1977 年開始進行遊艇設計、製造與銷售。企業第二代接班人，即嘉信遊艇總經理龔俊豪進入公司後，打破過往仰賴老師傅功力為主的製造模式，引進數位化製作，加快造船速度，船也愈做愈大，多年排行世界24公尺以上大型遊艇前20大製造商。並創下在一年內交付94艘遊艇的紀錄，為臺灣贏得「亞洲遊艇王國」之美譽。 瑕疵檢測確保遊艇品質 以AI取代人力效益高 為確保遊艇品質，瑕疵檢測相當重要。目前遊艇業採取的瑕疵檢測方式仍十分傳統，通常以手積層或是真空灌注製程方式製造船殼結構，藉由人眼或是敲擊法依敲打聲音頻率來判別瑕疵，需要人工耗費時間檢查，如有瑕疵須重工修補，接續執行噴佈膠殼作業。為便於檢測，船體必須分段施工，以24公尺以上大型遊艇而言，分段施工非常耗時耗力。 為縮短遊艇製程之速度，嘉信遊艇會先將船殼進行膠殼流程，之後再執行手積層製程，船殼製程有兩種複合材料試片結構，以遊艇54呎船殼來看，船殼中內含膠殼、芯材、纖維、樹脂，總厚度約為32公分plusmn01cm，與未含有芯材的FRP船殼總厚度約16cmplusmn01cm相差一倍之多。製程中偶會有玻璃纖維含浸不完全，或是玻璃纖維與樹脂間殘留氣泡等瑕疵問題發生，瑕疵的種類則包含樹脂不足、空洞、層離等，一出現瑕疵情況，船殼材料就供應不上，拖延遊艇交貨時間。 玻璃纖維船殼瑕疵種類示意圖。 為解決此一問題，嘉信遊艇與金屬材料產業以及AI科技產業三方專業技術的相互合作，結合金屬材料產業的超音波檢測專業技術與AI科技產業近年發展的AI技術協助解決嘉信遊艇瑕疵判別的問題。作法是運用相位陣列式超音波檢測技術至遊艇複合材料結構，進行FRP超音波試掃評估，瞭解遊艇船殼積層層數厚度與材料特性，依據超音波專業經歷，評估船殼結構適用的超音波探頭頻率等資訊，經測試以頻率5MHz且探頭寬度為45mm的探頭設備，能成功找出模擬瑕疵試片中的瑕疵位置及大小。 三方合作從陣列超音波評估、AI技術模型開發及實船實證應用，獲得瑕疵檢測解決方案。 檢測影像為超音波信號影像，影像依據超音波回饋訊號呈現不同色彩，透過YOLO演算法，建構自動識別瑕疵的部位的AI模型。若異常資料蒐集程度不足以訓練，則預計採用 CNN-based Autoencoder 演算法，蒐集正常影像資料進行訓練，建構異常檢測的AI模型。物件偵測YOLO模型的訓練將輸入具有瑕疵標註的影像資料，異常檢測模型則是輸入沒有瑕疵的影像資料進行訓練。 模擬缺陷試片對應相位陣列超音波信號結果 AI系統瑕疵檢測 可縮短15個月工期 加快50判讀速度 此套AI系統建構完成後，運用至嘉信遊艇實船54呎遊艇進行驗證，可有效解決嘉信遊艇瑕疵之問題，並可望藉由 AI 技術導入超音波檢測進行智慧化判讀，約可加快50之判讀速度，同時縮短15個月的工期，有效提升遊艇製程時程與品質的效益。 當臺灣遊艇發展朝向大型化、精緻化型態之際，帶來產業優化與轉型的機會，以及發展關鍵技術的契機。複合材料超音波人工智慧檢測方案之應用為遊艇業界首創，預計可吸引更多有檢測需求之遊艇廠商。 複合材料超音波人工智慧檢測方案有三大競爭優勢： 1 專業檢測經驗及數位化資料庫，便利製程管理與分析。 2 人工智慧AI自動判讀與辨識，快速辨識瑕疵，即時回饋給製程工程師。 3 高效率製程流程檢測，提供瑕疵修復建議，降低損壞率，強化複合材料強度品質。 導入人工智慧技術應用後，可優化遊艇製程流程，減少人力檢查樹速度，達到臺灣遊艇應用人工智慧之加值效應，擴大國際訂單量，讓臺灣遊艇持續在國際間享有盛名。再者，此一商業模式也擴散至複合材料相關之應用領域，增加跨領域市場使用率，預估將貢獻全台灣設備維修及非破壞檢測市場約新台幣14至20億元的經濟效益。

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