FarmiSpace作物健康監測實戰
智慧應用
課程介紹
本課程由 FarmiSpace 創辦人主講，從先區分 傳統人工智慧（預測、時空序列） 與近年熱門的生成式 AI、影像辨識，說明智慧農業真正核心仍是「從歷史資料預測未來狀態」，而非只做好看的 Demo，在這樣的問題意識下，課程聚焦介紹 FarmiSpace 作物監測平臺：使用者不需佈任何感測器，只要在地圖上圈選田區，系統即自動串接全球衛星與氣象資料，產出各種作物指數（NDVI、生長度、健康度、氮指數、作物水分、土壤水分、樹冠層等），並透過時間序列分析與空間對比，協助農民、契作企業與政府快速掌握「哪裡出事、何時開始、問題型態為何」，課程穿插多國案例（台灣毛豆、水稻、鳳梨，東南亞水稻與油棕，中美洲香蕉黃葉病、玉米乾旱等），顯示遙測與 AI 如何實際落地在災損評估、缺水缺肥診斷、病害早期偵測與差異化灌溉策略上。
後半段則以現場實作方式，示範如何：建立田區、切換作物與期作、閱讀各種指數地圖、比對不同深度土壤水分、設定自動告警與成熟度推估，乃至作為契作管理與產量預估的工具。講者也實話分享國內外客戶心態與採用門檻，提醒學員：工具再強，若沒有對應的「手腳去執行」，同樣會重複犯錯；反之，善用資料與 AI 的農民與企業，能在有限資源下取得更高收益與風險掌控力。
課程大綱
- 人工智慧在農業中的定位-從預測到監測
區分不同 AI 形態：生成式 AI 主要處理文字／內容生成，影像辨識聚焦在圖像分類與標註；而傳統 AI 更偏向 時間序列與空間序列的預測。
- FarmiSpace 平臺與全球遙測資料來源
介紹 FarmiSpace 的資料來源與整體架構：整合全球衛星影像、氣象資料、必要時的地面感測與攝影機，以及時間空間分析模組，透過雲端服務提供 32 國以上使用者。使用者無需安裝任何硬體，只需在地圖上圈選田區並輸入種植資訊，系統便會自動拉取歷史與最新影像，計算各種作物指數並建立時間序列。
- 作物指數與土壤水分－從「看不見」變成「可量化」
說明系統中常用的指數與用途：
NDVI：反映綠覆程度，但易飽和，對高覆蓋作物敏感度下降。
作物生長指數：利用穿透特性，較適合水稻、果樹等固定株高作物。
氮指數：用來推估施肥是否過量或缺氮，輔助調整肥料策略。
作物健康度：偵測相對異常區塊，如早期病害或蟲害啃食。
