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。

2017年，iPhone X的亮相讓提供 Face ID人臉解鎖的3D感測技術成為大熱門，也帶動了3D感測模組中的核心零元件VCSEL的發展。而VCSEL封裝元件入料瑕疵檢測，若透過AI推論模型可解決良率偏低產業難題，提升可靠度達95。 VCSEL技術現階段可被運用於諸多用途和各類終端消費市場，包括機器人、移動設備、監控、無人機，以及ARVR等。VCSEL在需求高速調製功能的應用（例如照相機和生物計量）中堪稱為不錯的解決方案。 VCSEL技術應用層面廣，也可應用於無人機。圖為佐翼科技農用無人機 VCSEL技術應用層面廣 AI技術助攻瑕疵檢測 赫銳特科技表示，VCSEL封裝元件市場也面臨到商業對手強力的削價競爭，需要進一步降低成本提升、產品競爭力，其中一個關鍵的難題就是將玻璃透鏡更換為環氧樹脂型透鏡。傳統玻璃透鏡的生產良率高，但成本較環氧樹脂透鏡高，因環氧樹脂經切割製程，側壁切割道上容易會有毛邊，造成尺寸過大，容易在打件時因為受熱而產生的應力釋放，將會直接導致光學透鏡破裂。 赫銳特科技指出，VCSEL環氧樹脂透鏡的入料檢測十分重要，在封裝空間的限制下，封裝與光學透鏡貼合的空間有限，且此光學透鏡會被侷限於一金屬框架內，若是沒有控管好尺寸公差，很容易在打件時因為受熱而產生的應力釋放會直接導致光學透鏡破裂，造成VCSEL封裝可靠度驗證良率損失最高達到10，造成生產成本增加。 為解決上述問題，赫銳特科技希望在VCSEL環氧樹脂透鏡的入料階段，可以藉由AI影像監控環氧樹脂元件的尺寸及外觀瑕疵，確認其尺寸是否合乎規格、切割邊緣是否平整、外觀是否瑕疵等。由於傳統的入料檢測，經通過大略的人眼目檢分辨好壞，為順利收集影像數據，首先需要解決影像蒐集的問題。 因此，赫銳特科技首先建立自動光學檢測裝置Automated Optical Inspection，AOI，自動光學檢測裝置包含X、Y、Z三軸動及高解析相機，及相關控制軟體自動記錄影像。蒐集完成後的影像資料，經opencv將測試影像Test與一標準正常影像Normal，進行影像對位後取出Test與Normal影像的差異部分，並可經由Pixel Mapping計算影像的像素面積進行比較完成初步篩檢。 承上之影像分類，進行手動標籤標示包含：正常、外觀瑕疵或形狀特徵差異之樣品，後進行演算法訓練與驗證，使用深度殘差網絡Residual neural network ResNet或其他相關演算法進行深度學習，以辨識出透鏡的優劣情形。 導入AOI檢測 提升產能效率達20以上 比較導入AI影像檢測的前後差異，導入前的VCSEL入料透鏡檢測，僅透過簡易的人工外觀檢測，將透鏡封裝在已固晶的VCSEL封裝體上，通過一般點亮檢測後，最後進行可靠度測試高溫回焊，失效樣品進再入重工流程。 但在導入AOI檢測之後，可提前將有問題的透鏡篩選出來，除了可以降低後續物料投入的成本，亦可減少失效情形降低重工的需要，因而提升可靠度驗證良率達95以上，預期可協助場域業者降低生產成本達10，提高產能效率達20以上。 導入AI影像檢測的前後之差異 赫銳特科技指出，這項技術是基於微小影像開發的AI應用技術，透過深度學習演算法辨識影像瑕疵，用來辨識瑕疵影像。而訓練後的網路來自動分類對應於預定類別的影像數據。透過參考影像就能辨識缺陷類別，因此不再需要繁瑣的編程。 而在工業機器視覺環境中，深度學習主要用於應用中的分類任務，例如在工業產品的檢驗或零件的辨識，未來隨著IOT穿戴裝置的發展，符合節能省電的潮流議題，光電元件尺寸將不斷的縮小，本技術未來也可應用在其他微小光電元件的外觀瑕疵檢測。

社團法人台灣食物銀行聯合會以下簡稱本會以食物援助、貧困救濟、減少食物浪費、建構無飢網絡為組織宗旨，在台灣各地已有55個食物銀行據點，每日收集來自全台各地量販店、中盤商、零售商、製造商、甚至善心人士捐贈的愛心物資，也會搶救即將被丟棄的可食用物資，進行妥善調配並配送至需求的愛心戶手上，幫助在地弱勢邊緣戶。 但各據點皆需大量人力與志工以傳統聯繫方式處理食物銀行日常事務，聯絡非營利組織與捐贈機構，為據點收到物資捐贈後，再分配給有需要的家庭戶或個人。在物資管理上缺乏數位化與整合資訊，可能產生物資資源分配不均問題。 倉儲轉運中心與迷你食物銀行 分配弱勢物資 本次場域驗證單位社團法人高雄市慈善團體聯合總會食物銀行據點之一，以下簡稱高慈總 於109年6月24日正式啟用台灣首座「食物銀行-倉儲轉運中心」佔地200坪，提高食物物資再分配、運用之效益、妥善存放及食物物資管理，至今已搶救近二百噸蔬果續食，服務一百多個團體、逾5萬戶弱勢家庭受惠，持續服務19家迷你食物銀行，將於高雄多個行政區陸續落成，分配食物物資給超過10萬人次弱勢家庭。 高慈總「食物銀行-倉儲轉運中心」於高雄大社區 照片來源 社團法人高雄市慈善團體聯合總會 人力與食物物資管理的挑戰 面對大量經濟弱勢家庭的需求，「食物銀行-倉儲轉運中心」的管理顯得格外重要。進貨時需進行分類整理、汰廢、入帳等繁瑣的工作，出貨時則需參照社工員的食物物資需求做配置建議。這些工作都需要依靠人工判斷及經驗累積。而參與的志工多為高齡人士，體力有限，而倉儲工作需耗費大量體力，志工的招募困難重重。倘若有大批食物物資進庫，在調配上會耗費空間與人力整理、盤點，並同時擔憂食物物資是否能有效的被運用及周轉。也顯示出食物銀行服務逐漸擴大規模，但人力與物資管理系統無法隨之配合。 同時食物銀行物資來自各界之捐贈，故類別多樣且效期、規格、數量也均不相同。迷你食物銀行的志工夥伴，多數也為高齡人士，但卻需執行個案服務、食物物資管理配置、物資資源開發等多重職責，有時也需向物資領用者說明並接受即期、大量特殊性的物資，如成人接受嬰兒奶粉。 「食物銀行-倉儲轉運中心」物資盤點需要皆仰賴人力 迷你食物銀行志工具多重職責 照片來源社團法人台灣食物銀行聯合會 報廢物資減少60 物資轉遞速度增加80 為精進物資管理並達到物資有效利用，並解決人力短缺等問題，在本次場域實證案導入「食物銀行倉儲物資募集AI自動預警需求判讀系統」，第一部分為建構分類模型之前置作業，建置以及蒐集場域倉儲資訊，進行AI建模訓練，將過往場域倉儲資訊收集建置成資料庫，使AI可進行預處理、分類等工作。同時視其物資種類之相依狀況作為特徵值，導入演算法中進行運算建模，再依收集之資料進行重新訓練，最終進行場域驗證並針對經常性五大類物資進行數據整理，以建立數據資料所需之訓練及測試資料集，第二部分以演算法之RNN技術建構分類模型；進一步利用強化學習建構食物銀行倉儲管理機制，使分類完善之受贈物資如白米、沖泡飲品、麵條、泡麵、罐頭等可以根據儲位指派原則自動指派儲位。 AI服務系統服務流程與說明 資料來源社團法人台灣食物銀行聯合會 在AI預判下，可優化物資轉遞速度及物資調配，有效精準配對物資捐贈並降低捐贈歷程的損耗，增加物資分配正確性，提高媒合服務率即捐贈成功率，降低錯誤物資造成人力物力浪費，即時監控食物物資的庫存，確保操作者能夠迅速回應需求，有效提供物資援助。 以AI系統的導入，加上數據智慧化建置，協助倉儲轉運中心的運作，可爭取更多時間分配捐贈物資使用。導入加速社福團體數位化服務推展，完善照顧整體社會弱勢群組之需求。 使用系統進行物資分配調度 照片來源 社團法人高雄市慈善團體聯合總會 透過本次的場域驗證後，未來可推廣至食物銀行其他服務據點導入AI系統，也可與更多非營利組織、公益團體、慈善團體等夥伴合作，擴大「食物銀行倉儲物資募集AI自動預警需求判讀系統」應用範圍如醫療用品配送，幫助更多組織更智慧化地管理和分發，減少物資的浪費，以提高社會福祉。