【神農代理人】可大規模擴展之農業AI 模型

計畫介紹:
農業AI 發展面臨重大挑戰，最關鍵的問題是數據孤島效應—各地農業數據因隱私顧慮和法規限制無法共享，導致AI 模型泛化能力受限。跨國合作時問題更為嚴重，各國不同資料政策使建立統一農業AI 平台變得困難。聯邦式學習(FL)技術為此困境提供解決方案，能讓各方在不分享原始數據前提下共同訓練模型，既保護數據隱私，又能充分利用分散各地的農業數據。
本研究旨在開發基於聯邦式學習的智慧農業監測系統，整合無人機、衛星影像與地面感測數據，建構跨場域、跨品種應用的水稻倒伏辨識模型，及「最佳收穫期預測模型」。

效益:
1.技術突破與學術貢獻：建立全球首個整合深度學習、聯邦學習和邊緣運算的農業災損評估平台。結合台灣在水稻監測領域的技術優勢與國際合作夥伴的在地知識，創造具有全球適用性的解決方案。
2.產業轉型與經濟效益：自動化災損評估系統將改變傳統農業災害調查方式。過去需要大量人力和時間的工作，現在可在數小時內完成且準確度更高。對農民而言，及時準確的災損資訊有助於申請政府補助和保險理賠，更能幫助快速採取應對措施。
3.永續發展與糧食安全：面對嚴峻的氣候挑戰，建立韌性農業生產系統至關重要。本計畫開發的智慧監測平台將成為維護區域糧食安全的重要工具。透過持續數據收集和模型更新，系統能不斷學習和適應新的環境變化。