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。

臺灣堪稱製造業大國，然而，在產線上，品質瑕疵檢測一直是製造業長期痛點，雖然有AOI設備可輔助，但大多採用固定式機器，受限於角度，診斷不夠精準，誤判率也高。海量數位工程公司導入AOI機器智能手臂檢測系統，可有效降低誤判率，提高瑕疵檢測精準度。 一般來說，產品的良率攸關企業的成本與客戶的退貨率，而製造產業品質瑕疵的檢測流程，往往需要編制大量的品質檢測人力。目前製造業檢測工具雖然有AOI設備來輔助進行，但這些設備多半採用固定式的檢測機器，固定式相機容易受限於角度，導致診斷不夠精準，誤判率太高等缺點，因此，人員在後端需要再次篩選檢驗，也就是複檢，通常人工目測檢視的瑕疵漏檢率平均在5上，甚至可高達20。 製造業品質檢測三大痛點 機器手臂AOI之動態多角度品檢協助解決 根據海量數位工程實際了解製造業在檢測產品品質有三大痛點： 痛點一、人力檢測產品品質出錯率高 目前製造業多以人力來檢測產品外觀，但人工判斷多半有誤差，例如：表面刮傷、色差、焊道外觀hellip等，瑕疵判斷出錯率高，且須待成品階段才能一次性檢驗，時常出貨前全檢後依然遭整批退件，導致重製及人力成本大增。 痛點二、品質檢測之數據無法量化與記錄 傳統人力檢測無法保留檢測數據，嗣後發生品質糾紛時，責任難以釐清。而海外品牌高階代工單往往要求溯源與相對應的缺點紀錄，傳統產業原有之人力檢測難以符合更高階代工單之要求。 痛點三、傳統AOI視覺檢測的限制 現有製造業常用的AOI視覺檢測系統，因為視覺軟體技術的限制，都是以固定相機、固定光源及單一角度的方式來進行，這種方式對於平面或形狀由直線組成之產品例如：長方體或正方體的單一檢測點尚可處理，但對於複雜形狀的產品例如：汽車零件多為不規則狀多點、多幅度的檢測，就較難實現。 海量數位工程研發AOI機器智能手臂檢測系統，有效提高瑕疵檢測精準度。 為解決製造業在品質檢測的痛點，海量數位工程決定從研發多角度、可移動式的檢測儀器開始發想，從結合工廠自動化領域中的兩大代表性技術-機器手臂與機器視覺著手。海量數位工程以機器手臂結合AOI之動態多角度AI視覺即時品質檢測方式，改善固定式檢測受限多角度的問題，視覺檢測技術的提升與結合人工智慧，進一步相機取得的影像資訊可由平面取樣提升至多角度、多維度取樣。 選定汽車產業做為實證場域 可快速回應顧客需求 AOI機器智能手臂檢測系統，所運用的AI技術包括無監督學習（unsupervised）、監督式學習Supervised learning、半監督式學習Semi-supervised Learing，使業者在初期樣本不齊全，或是沒有不良樣本的情況下也能使用無監督深度學習技術學習良品，並應用在汽車三角架自動焊接的視覺檢測上。可解決導入前受限於固定式機器的角度、診斷不夠精準、誤判率高的問題。 汽車零組件單價較高，會要求更嚴格的瑕疵檢測正確率。 在導入AI服務的產業中，選定汽車製造業作為實證場域。海量數位工程表示，汽車製造業主要為相關零組件製造商，而且通常元件單價較高，需更多品質檢測品質及良率，會要求更嚴格的正確率，因此選定汽車業做為導入的場域。 機器手臂結合AI之動態多角度AOI視覺即時品質檢測系統，除了可以改善汽車零組件檢測瑕疵品質失誤率外，因為以多角度的機器手臂AOI服務來提升定點式AOI光學檢測，可以符合多數產業之量測需求；最後是建立第三方系統平台，建置共同工作整合平台監測系統，以便在問題發生時，第一時間接收訊息並著手處理。 本系統可針對出廠產品之重要數據進行記錄儲存，為實現未來數位生產線與虛擬生產之基礎。同時於瑕疵發生時，可即時串接海量MES監控系統，迅速反應至相關製造決策部門，嗣後並利用ERP系統進行專案管理與檢討，有效精進其生產效率，降低生產成本。 有助降低溝通成本 期許成為行業標配 就產業上下游整合而言，可以為上下游之數據連貫提供一基礎之標準，降低供應鏈之溝通成本，經由指標代工廠與品牌商的認證，有機會成為該產業之行業標準配置。 透過此一計畫的產出數據資料庫建置，業者進一步透過大數據分析Data Analysis，優化供應鏈管理的解決方案「供應鏈規畫Supply Chain Planning, SCP」，依據數據，建立預測計畫，並運用科技串連供應鏈上下游的數據，精準控制產品品質。未來對接歐美、日，需要品質精細訂單，業者能更快速回應及整合產業供應鏈Supply Chain 。 最後期望透過標竿示範產業之場域驗證，例如：以汽車零組件製造產業標竿示範場域，透過機器手臂結合AI之動態多角度AOI視覺即時品質檢測系統計畫進行驗證，讓汽車代工廠與汽車原廠之間有更優化的供應鏈聯繫，並成為該行業標準。更進一步尋求更多的AI團隊，加入場域協作平台跨產業之開發，帶動整體AI新創與場域結合的生態系。 海量數位工程研發的自走車

近2,000個在田間蹲點的日子，讓悠由數據應用公司成為台灣在農業數據領域的佼佼者，對於農作物產量、產期與價格的全盤掌握，更讓它做到能與聯合國合作，服務農地面積在短短不到3年，從24公頃擴展至超過6000公頃，飆漲250倍。對於悠由數據應用創辦人兼總經理吳君孝而言，因應全球環保趨勢，成為氣候科技X綠色經濟的數據公司，並服務全球市場，是他創業的終極目標。 工程師出身的吳君孝，在2010年進入資策會，成為涵養他深厚技術與資料科學分析實力的重要沃土，讓他練就一身功夫，得以大展拳腳。「當時，我在做資料分析工程的工作，會內幾乎所有的數據相關資料都會匯集到我這邊，加上那時執行過室內栽培箱，要種菜、種香菇，因此，農業結合數據分析就此埋下創業的種子」。 吳君孝自2016年起，就常常到農場內「蹲點」，跟農民、農改場人員聊天、交換情報，系統性地大量交換資訊，讓吳君孝的農業Know-How快速建立。 堅實的數據分析技術能量 連聯合國都買單 2017年，他離開資策會自行創業，並於2019年創立悠由數據應用公司，目前許多農企業皆是他的客戶，服務的栽種面積從24公頃快速攀升至逾6,000公頃， 2022年可望超過7,000公頃。客戶遍及海外，包括日本、中美洲市場，甚至聯合國下轄機構-世界農民組織，都使用悠由數據支持的「悠由農作物演算系統」。 悠由數據應用公司究竟是如何做到連聯合國機構都買單 悠由數據應用建置的「悠由農作物演算系統」，準確預測產期產量與價格。 首先，由於吳君孝對農業數據的精準掌握，悠由數據應用的客戶不見得要用到感測器Sensor等硬體設備，「感測器成本高，若購買便宜的設備，反而蒐集一大堆雜訊或錯誤數據，完全派不上用場」。吳君孝接著說，蒐集數據不一定要使用感測器，透過我們的數據解決方案可以更直接有效的解決問題。 例如，悠由數據應用的產品之一-悠由金錢報農產價格Linebot，係2020年與LINE合作，蒐集產地、批發、終端價格長達10年以上的數據，由悠由數據自主研發AI演算法，讓系統自主學習農產品交易價格，更以大數據與人工智慧分析進行價格預測分析，協助採購商降低交易風險，讓數據不止於生產端，更擴大應用至農產供應鏈。 以香蕉價格來說，預測價格的準確率從原本70拉高至998。吳君孝指出，不管採購商或農民，對於價格都十分敏感，現在透過悠由金錢報服務，無論是採購商或農民，都能很精準了解農產品價格波動情況。悠由數據也能針對預測作物生長情況、產量、價格預估模型等，向客戶做出最佳的決策建議。目前價格預測可達28種農作物。 精準預估產期及價格波動 悠由數據靠數據分析做出差異化服務 悠由數據應用公司所提供的「悠由農作物演算系統」內建「參數庫」，通常會搜集200～300種參數，不光是溫度、濕度等比較直觀的數據，還會依作物生理的特性去切分。透過有效動態數據的演算法，可以精準估算農作物何時會開花、何時能收成，產量是多少等。如青花菜產期預測準確率為0-4天，開花期預測今年實際使用上是0天，與現場開花時間完全吻合。而在動態的計算當中7天內都是合理範圍，悠由數據的誤差值平均在2-4 天，大多數作物產期準確率均在80以上。 透過有效動態數據演算法，全球超過120種作物可精準預估產期產量及價格。 透過有效動態數據的演算法，可以設定預估產量多少，協助在生產端做調整，悠由數據應用的客戶多以外銷的水果作物為主，如鳳梨、香蕉、芭樂、芒果、文旦、鳳梨釋迦、小番茄、洋香瓜、西瓜、玉荷包，荷蘭豆、毛豆等，尤其是毛豆，佔台灣外銷第一，種植面積達400多公頃。全球120多種作物、超過600個品種都可以適用此套系統。 台灣農業生產同質性高，容易造成一窩蜂搶種，導致價格崩跌，悠由數據應用要幫助客戶做出差異化，因此，吳君孝將公司定位在精緻的數位顧問，所採取的策略是慎選客戶，重質不重量。他分析，台灣的農業客戶著重的是如何提升良率，甚至將良率分級，規格品質均佳，走精緻化的高階外銷市場；國外客戶重視的是如何提升單位產量，國內外的操作方式有別。 除了農作水果外，悠由數據應用也將服務觸角延伸至漁業，包括虱目魚、金目鱸、白蝦等，均使用同一套系統，將各種跟魚蝦生長有關的參數建立起來，何時下料、何時收成，產量多少等，藉此預測產期、產量及價格。 悠由數據應用善用數據力量，創造智慧農業奇蹟。 因應公司的高速發展，悠由數據應用於2021年引進創投資金，進行人員擴充與業務推展。吳君孝表示，因應全球2050年淨零碳排趨勢，未來也計畫將協助客戶在土壤中種碳，有效將碳保留在土地上，同時引介客戶對接碳交易平台，與客戶共創環保商機。 吳君孝表示，剛開始創業時就將公司定位為全球化公司，因此，與國際合作的方案將不斷推出。而成為氣候科技X綠色經濟的數據公司服務全球，這是吳君孝對自己的期許及公司的長遠目標。 悠由數據應用創辦人兼總經理吳君孝