| 土壤菌相暨 AI 施肥系統 | 病害預測系統 | 生物製劑 |

<首創>

土壤菌相預測及智慧施肥 AI 系統：建立土地菌相變化預測之 AI

►建立農地土壤菌相預測系統的完整流程及客製化分析方式。

土壤微生物預測模型的建立

► 利用人工智慧 (AI) 建立以土壤微生物為指標特徵的藥理性成分生合成預測系統。

► 達到土壤微生物來監測與反應作物藥理性成分生合成的狀況。

客製化出專屬土地的施肥與菌相關係，透過收集時間序列數據後可利用遷移學習的方式調整基礎模型快速建立特定場域的菌相預測 AI 系統，掌握土壤菌相生態變化，供農戶在施肥決策時更能明確掌握未來菌相的走向，以確保土壤菌相的健康，讓作物可以吸收足夠的養分。
除此，農譯也將土壤肥力預測及菌相預測進一步連接，透過提供土壤主元素氮磷鉀的預測，同時掌握土壤菌相的走向，後端更提供適用的肥料建議及配方的一條龍服務。

1.微生物體分析流程 2.微生物組成分析 3.多變量統計分析 (PCoA) 4.時間序列分析

►土壤微生物預測模型將從組成的分析、多變量統計分析、時間序列分析客製化針對不同土地及作物的預測系統

土壤菌相 AI 預測系統之效益

透過農譯 AgriTalk 系統導入，前後比較如下，以薑黃種植案例而言，在導入系統後一個月從植物的生長比較中可觀察到植株高度較對照組提升了 10%，且葉綠素提升 51% 之多；而從功效性成分的比較而言，無論是葉片或是根部之薑黃素經檢測皆較一般種植濃度高。除此，透過土壤菌相的變化也可證明使用本系統後，促進作物生長之菌相數量有逐月遞增，反之則遞減或維持小量

►智慧施肥系統精準掌握施肥時機與作物生長最佳化，作物長得更高大且葉綠素含量更高

從作物功效性成分證明

►農譯 AgriTalk 系統種植之葉片薑黃素含量較一般種植高出 9 倍，利用較短種植時間，達到較高的薑黃素

從作物功效性成分證明

►不同功能之菌相隨時間變化之分佈狀態

病害預測系統

農譯 AgriTalk 透過遷移學習 (Transfer Learning) 的方式，只需收集農場過往較少量及管件的環境數據及病害發生的數據便能從團隊既有掌握的 model 轉換成該特定種類的病害預測 AI。在案例中，農譯將少數的花腐病實際數據套入稻熱病預測 model 為基礎，轉換產生花腐病的預測模型，準確度為 83.59%。其中一個案例為利用灰黴病預測模型轉換成生物特性相似度高的炭疽病預測系統，準確度達即可達 81.79%

< 病害預測 AI 系統 >

掌握真菌病害的生活史，快速精準建立出各病害的預測系統

►病害預測系統透過遷移學習 (Transfer Learning) 方式建立

蟲害預測系統

農譯 AgriTalk 透過生物實驗導出各種蟲害蟲卵孵化天數之模型作為蟲害爆發系統建置中關鍵的因子之一 (對於蟲卵孵化而言，溫度濕度為重要因數)。針對新型的蟲害，農譯將使用遷移學習 (Transfer Learning) 的方式以現有的模型調整成新蟲害的模型

鱗翅目 - 番茄夜蛾鱗翅目 - 甜菜夜蛾

鱗翅目 - 小菜蛾鱗翅目 - 東方果實蠅

► 生物實驗導出蟲害蟲卵孵化天數之 model 作為蟲害爆發系統中重要因子之一

蟲害生物抑制劑

農譯所開發之農用蟲害生物抑制劑是從 5000餘種蜘蛛毒蛋白裡篩選特定種類的毒蛋白而成的。其特色包含：對益蟲如蜜蜂無害、對哺乳類無害、具有害蟲專一性高、獨特穩定結構之蛋白以利確保其有效性。此生物抑制劑的為利用蜘蛛毒液蛋白使害蟲的幼蟲致死的大自然原理，且所挑選的蜘蛛毒蛋白結構特殊，可專一性地針對農業特定害蟲，例如：鱗翅目 (e.g.蛾類) 、雙翅目 (e.g.東方果實蠅) 、直翅目 (e.g.蝗蟲)