關於 溫濕度 感 測器 應用 ，我們在網路上蒐集到這些相關的討論、資訊與評價

便攜式氣象站的主要功能是監測農業種植常見氣象要素，有利於提高農民對氣象災害的防禦
能力，加快新品種推廣，減少盲目投資，有效提高經濟效益. 這對發展現代農業非常有利。

小型氣象站的可選感測器如下：
氣壓測測、溫濕度感器、CO2感測器、風向感測器、風速感測器、噪音感測
器、PM 感測器……

日本推動數位農業，以達成 2030 年糧食自給率 45% 目標

作者 藍 弋丰 | 發布日期 2021 年 07 月 06 日 8:00 |

全球主要經濟體裡，日本糧食自給率可說敬陪末座，目前僅 40%，日本政府長年視為國安危機，然而日本土地與人工昂貴，日本農產品只能走精緻路線，實在無法與進口糧食競爭，日本也只敢訂下 2030 年達成 45% 糧食自給率的卑微目標，加上農業人口老化的迫切危機，連這目標都岌岌可危。現在日本決定，要以數位農業突破。

日本國土有三分之二為山地，農民老化情況嚴重，目前平均年齡高達 67 歲，還在持續增加，要靠這樣的勞動力增加農產，只有科技化輔助一途。日本政府 2016 年提出農業升級計畫，打算運用大數據、物聯網、人工智慧發展農業改革，農林水產省發表智慧農業科技藍圖，產官學合作下，如今日本有超過 121 項應用智慧農業的計畫，稱為數位農業。

數位農業應用感測器、通訊網路、無人機、人工智慧、機器人等各種物聯網技術，並分析資料、管理、協助決策與執行。包括應用氣候衛星、雷達、地球觀測感測器取得氣候、溫濕度資料。衛星影像與 GPS 用來監測農地，即時了解土壤情況，調整施肥與灌溉。人工智慧建議農民最佳作物與種子品種，以及協助決定最佳收成時間等等。

日本政府認為智慧農業有助於克服某些障礙，使糧食生產有機會擴大，人力方面，透過智慧農業系統人工智慧的建議，缺乏經驗的年輕一代想務農，可很快就上手，不用經歷困苦的摸索期；土地方面，透過智慧農業精準施肥與澆灌，需要的灌溉水量與肥料量大為減少，過去水源不足無法耕種的土地也可能成為優良的產地，土地污染也能減輕。

日本各大企業投入智慧農業，初期結果並不理想，許多初期計畫的成本還比慣行農業更高，但隨感測器、無人機等科技逐漸成熟降價，以及經驗累積，如今日本數位農業逐漸來到起跑階段。據矢野經濟研究所預估，日本智慧農業市場，總營收將從 2019 年 158.7 億日圓（台幣 40 億元），至 2025 年成長至 442.8 億日圓（台幣 111.3 億元）。

數位農業不只日本，中國、中東也已開始

日本數位農業想法，只是全球農業發展往更進步精密控制演進的一部分。荷蘭的新創公司如 FoodVentures 等，發展室內農業一樣應用大量感測器、人工智慧、機器人等各種物聯網技術，也同樣使用精密灌溉，高度控制環境，高自動化生產。FoodVentures 於 2021 年 5 月更利用全球疫情商機，進軍中國市場，登陸上海門戶崇明島。

FoodVentures 表示，疫情前上海這樣的大都市，農產品供應由慣行農業自千里之外的農產區運來，但疫情期間面臨人流物流管制，供應受干擾，都市人也警覺，不能對千里之外的農產習以為常，體會到就近供應的重要性。另一方面，都市中產階級覺醒，願意付更多錢，消費不受河川污染影響、使用更少農藥的農產品，成為 FoodVentures 的主打客層。

FoodVentures 以線上銷售為主要通路，避開傳統市場的複雜物流與銷售結構，在疫情期間，線上買菜大行其道，而都市中產階級購買農產也傾向辨認品牌，更讓 FoodVentures 搭上順風車。

中國市場其他同業也同樣受惠，中國本土北京極星農業表示，2020 年 6 越時第二波新冠疫情來襲，北京各大批發市場關閉，使業績大增 30%。

中東為克服原本的沙漠環境，室內農業與智慧農業更不可或缺，沙烏地阿拉伯新創企業紅海農場（Red Sea Farms）成立於 2018 年，發展高度控制環境的室內農業，利用海水為溫室降溫，珍貴的淡水用最有效率的方式灌溉，原型溫室設置於阿布都拉國王大學，已在供應番茄給沙國超市。

2021 年 6 月紅海農場進行最新一輪募資，募得 1,000 萬美元，累計總募資金額達 1,190 萬美元，紅海農場規劃在沙烏地阿拉伯中西部，以及阿布達比，共 6 公頃的土地設置 4~8 座農業基地，供應阿拉伯聯合大公國超市。

當前智慧農業、數位農業、室內農業，尚只能在農業成本最高的地方發展，例如日本及中東等沙漠國家，但中產階級的新需求及全球氣候變遷、疫情意外風險，使連農產廉價的中國都能產生利基市場。隨著技術進一步成熟及規模化，人類農業朝更高度控制化的腳步將逐漸加快。

資料來源：https://technews.tw/2021/07/06/how-japan-is-using-digital-farming/?fbclid=IwAR2uAaef906nSOdF2ihs5ZkqZ-5_lmRHJpm0IRq__ELJlNzjbMRJxh0rvY8

AI強勢來襲 物聯終端運算需求急遽增溫

2021-03-10 11:55 聯合新聞網 / CTimes零組件

【作者： 王岫晨】

物聯網正帶動人工智慧走向終端裝置，在後疫情時代，企業對物聯網 AI 的投資與布局動作頻頻。Arm 主任應用工程師張維良指出，我們可以很明顯看到四大趨勢如下：

新冠疫情加速 AI 部署

根據 Arm 於 2020 年 8 月與<<麻省理工學院科技評論洞察（MIT Technology Review）>>合作、針對來自 12 個不同產業的 301 位 C Level 的科技專業人士進行的訪談報告顯示，超過 62% 的受訪者表示，他們正在投資並使用 AI 技術。來自大型企業組織（年營收超過 5 億美元）受訪者的部署率較高，接近 80%。較小型的企業組織（營收低於 500 萬美元）的部署率則為 58%。1/3 的受訪者表示，2020 年新冠疫情的爆發加速了他們在 AI 策略上的部署。

企業組織正在提高對 AI 的投資

超過一半（57%）的受訪者看到他們的 AI 預算在過去三年內提升，且接近四分之一的人表示，他們在 2016 年到 2019 年間，年度 AI 支出最少增加一倍。其中，大型企業在 AI 支出的增加更多，73% 來自年營收超過 5 億美元的企業組織受訪者的預算都有增加，有近三分之一的受訪者預算甚至提升超過 100%。這些投資加碼反映 AI 對企業營運持續成長且普遍的影響。

超過半數企業將 AI 部署在終端裝置或邊緣運算

儘管對於已經使用 AI 的企業組織，雲端運算是他們最喜歡的基礎架構，不過在越來越需要極低延遲的數據存取，以及終端/邊緣處理能力的應用上，為了兼顧成本效益及運算效率，越來越多應用將往數據產生的來源靠近，邊緣運算或是將資源擺在更靠進存取它們的裝置的地方，相關的部署將急起直追。

對應軟硬體攻擊與保護個資/隱私的需求

AI 對幾乎所有商業與社會活動層面的衝擊持續擴大，讓企業領袖必須正視 AI 能否在負責任的規範下使用。消費者一方面對於交易與運作流程中藉助 AI 的接受度越來越高，但也期待企業能在公平的、高道德標準，並能顧及永續發展的條件下使用這項技術，特別在個資的搜集。因此在邊緣運算上，也衍生出對應軟硬體攻擊以及保護隱私等運算能力的強烈需求。

物聯網 AI 應用將聚焦於「3V」

根據 Arm 與 Strategy Analytics 合作的報告顯示，多數的物聯網應用聚焦在一些特定的領域：基本控制（開/關）、測量（狀態、溫度、流量、噪音與震動、濕度等）、資產的狀況（所在地點以及狀況如何？），以及安全性功能、自動化、預測性維護以及遠端遙控，可參考圖一。

而終端 AI 可以在三個核心領域提供價值，而它觸及的許多物聯網領域，遍及 B2B 與 B2C（企業對消費者）的應用：震動（Vibration），語音（Voice）與視覺（Vision）。

震動

包含來自多種感測器數據的處理，從加速計感測器到溫度感測器，或來自馬達的電氣訊號。它可將智能帶進 MCU 中的終端 AI 的進展，產生不同應用領域，包括溫、濕度、壓力檢測、物理檢測（如滑倒偵測）、物質偵測（如漏水、漏氣）、磁通量偵測與電場偵測等等。運用震動分析的預測性維護（PdM），在旋轉型機器密集的製造工廠裡相當常見，可以揭露鬆脫、不平衡、錯位與軸承磨損等狀況。此外，磁感測器利用磁性浮筒與一系列可以感應並與液體表面一起移動的感測器，測量液面的高低。

語音

語音啟動在智慧家庭應用中很常見，例如智慧音箱，而它也逐漸成為啟動智慧家庭裝置與智慧家電的語音中樞，如電視、遊戲主機與其它新的電器。在工業環境中，供車床、銑床與磨床等電腦數值控制（CNC）機器使用的電腦語音引擎正在興起。語音整合在車輛中也相當關鍵，因為語音有潛力成為最安全的輸入模式。OEM 代工廠商持續對車載娛樂系統中的語音辨識系統，進行大量投資。其他車用的應用包括語音輸入文字簡訊、輸入目的地、播放特定歌曲或歌曲子集，以及選擇廣播電台頻道，甚至拋錨服務與禮賓服務等。

視覺

終端 AI 提供視覺領域全新的機會，特別是與物件檢測及辨識相關。包括觀察生產線的製造瑕疵，以及找出自動販賣機需要補貨的庫存。其它實例包括農業應用，例如依據大小與品質為農產品分級。曳引機裝上機器視覺攝影機後可即時檢測出雜草、分類其種類、分析其對農穫的威脅、進而客製化除草解決方案。在工業上，包括利用熱顯影來監控互動機器零件的溫度，讓任何異常情況很快變得顯而易見。具備終端 AI 能力的裝置，可以長期檢測微細的變化，觸發排程系統，自動採取適當的行動來預防零件故障。

推動物聯網運算需求

隨著物聯網與 AI 的進展以及 5G 的推出，更多的終端智能意謂小型且成本敏感的裝置，會愈來愈有聰明、功能也愈來愈強，同時因為對雲端與網際網路的依賴較小，也將具備更高的隱私性與可靠度。因此，Arm對於MCU核心，也 透過新的設計為微處理器帶來智能，降低半導體與開發成本，同時為想要有效提升終端數位訊號處理（DSP）與機器學習能力（ML）的產品製造商，加快他們產品上市的速度。

TinyML

微型機器學習（TinyML）的崛起，已經催化嵌入式系統與機器學習結合。它捨棄在雲端上運行複雜的機器學習模型，過程包含在終端裝置內與微控制器上運行經過優化的圖型識別模型，耗電量只有數毫瓦特。受惠於 TinyML，微控制器搭配 AI 已經開始增添各種傳統上威力更強大的元件才能執行的功能。這些功能包括語音辨識（例如，自然語言處理）、影像處理（例如物件辨識與識別），以及動作（例如震動、溫度波動等）。啟用這些功能後，準確度與安全性更高，但電池的續航力卻不會打折扣，同時也考量到各種更微妙的應用。

簡化程式碼的轉移性

把AI函式庫整合進 MCU，將本地的 AI 訓練與分析能力插入程式碼中是可能的。這讓開發人員依據從感測器、麥克風與其它終端嵌入式裝置取得的訊號，導出數據的型樣，然後從中建立模型。Arm Cortex-M55 處理器與 Ethos U55 微神經處理器（microNPU），利用像 CMSIS-DSP 與 CMSIS-NN 等常見API來簡化程式碼的轉移性，讓 MCU 與共同處理器緊密耦合以加速 AI 功能。透過推論工具把 AI 功能放在低成本的 MCU 上實作，並符合嵌入式設計需求，如此一來，有 AI 功能的 MCU 就有機會在各種物聯網應用中，讓裝置的設計改觀。

附圖：圖一 : 多數的物聯網應用聚焦在一些特定的領域。
圖二 : 不同應用對於機器學習的採用比起以往更盛。圖為Arm運算方案的對應圖。

資料來源：https://udn.com/news/story/6903/5307140?fbclid=IwAR2eJEJFLD1DFifJHQNbTkWEAjQSKBk3UFlM3whrk9T69h9tNXIw3geMQ8U