AI 走进农田：手机拍照预测采收时机

科

科技新报10-09 00:30TechNews 編輯台官方来源

AI 总结

加拿大 Okanagan Specialty Fruits 正测试本地公司 Vivid Machines 的拖拉机车载摄像系统，AI 在果园穿行时识别花芽、花朵与果实，用以估算产量与最佳采收期；专家指出其准确度高度依赖历史数据质量，且需针对单个农场定制，难以通用。英国的 FruitCast 则通过无人机、智能手机或农机影像，帮助农民掌握草莓、覆盆子、蓝莓与番茄等作物的成熟进度，其联合创始人 Raymond Martin 强调草莓成熟后必须立即采收。更轻量的 Fruit Forecast 由农民每周选定 50 株代表性植株拍摄日照与阴影面，结合天气预报、品种与果重信息生成未来四周采收预估，已在 Android 与 Apple 商店上架并支持 API。

为什么重要：农业是 AI 落地较慢的场景，这类工具把影像识别与在地数据结合成可执行的采收决策，有望减少损耗。

Vivid MachinesOkanagan Specialty FruitsFruitCast

来源原文科技新报 · 约 3 分钟读完

手機一拍就能預測產量，AI 走入農田化身精準採收的最強大腦

人工智慧正逐步走進農田與果園，成為農民判斷何時採收的得力助手。從蘋果園、草莓田到糖蔗產區，農業界正積極導入影像辨識、氣象預報與歷史產量資料，試圖將傳統憑經驗判斷的「果實是否成熟」，進一步轉化為「現在是否該採收」的精準行動建議。

影像辨識精準出擊：從蘋果到脆弱莓果

在加拿大，Okanagan Specialty Fruits 團隊正測試由當地公司 Vivid Machines 開發的攝影系統。這套安裝在拖拉機上的相機能在穿越果園時，拍攝並交由 AI 分析樹上的花芽、花朵與果實，進而估算產量與最佳採收期。專家指出，系統能敏銳辨識肉眼容易忽略的細小花芽，但預測的準確度仍高度仰賴輸入模型的歷史資料品質，且必須針對個別農場量身打造，無法直接套用通用模型。

相較於採收期較具彈性的蘋果（例如 Granny Smith 蘋果的收成窗口可長達三週），莓果類的採收則是在與時間賽跑。英國 FruitCast 的共同創辦人兼營運長 Raymond Martin 強調，草莓一旦成熟就必須立即採收，否則整批作物極易迅速報銷。為此，FruitCast 透過無人機、智慧型手機或農機攝影設備蒐集影像，協助農民精準掌握草莓、覆盆子、黑莓、藍莓與番茄等作物的成熟進度。

另一款名為 Fruit Forecast 的工具則主打輕量化，讓農民無需添購昂貴硬體，只需用手機自行拍攝影片即可。使用者只要在田間選定 50 株代表性植株，每週拍攝同一區域的日照與陰影面，AI 就能結合天氣預報、品種資訊與果重，立即生成未來四週的採收預估。開發團隊表示，加入影像辨識後預測準確度大幅提升，目前該 App 已在 Android 與 Apple 商店上架，並支援 API 供其他系統串接。

巨觀數據整合：打通田間與加工廠的決策鏈

除了微觀的影像辨識，AI 在更大範圍的農業管理上也展現了驚人潛力。透過整合衛星影像、土壤資訊、田間觀察與作物歷史紀錄，AI 能協助判斷哪些地塊應優先巡查，以及如何順暢地將作物送往加工端。以糖蔗產業為例，作物的生長狀況與含水量不僅會影響是否需要使用催熟劑，更決定了進場收割的最佳時機，進而直接左右送抵糖廠的數量與品質。

多位業者皆強調，AI 在農業的核心價值不在於單純的自動化，而是將分散的龐雜資料轉化為可執行的商業決策。然而他們也提醒，所有模型都必須建立在真實、完整且持續累積的在地資料之上，否則再強大的預測，也難以如實反映每一塊農田、每一個品種與每一次氣候變化的微小差異。