開發適用於水稻等13種作物之土壤診斷AI系統

:::

農學報導

開發適用於水稻等13種作物之土壤診斷AI系統

刊登日：115/06/10

文章來源 : 農業科技決策資訊平台 2026-06-10

土壤診斷面臨的人力挑戰

　　土壤診斷為農業生產中提升產量與維持環境品質的重要基礎，需透過土壤分析掌握其化學性與物理性，以制定適合作物生長之管理措施。然而，能依分析結果判斷產量下降原因並提出施肥與栽培管理改善建議之專家逐漸高齡化且人力不足，使多數田區難以進行即時且精確之診斷，限制土壤管理之落實。

土壤診斷AI系統建置內容

　　日本農業・食品產業技術綜合研究機構（National Agriculture and Food Research Organization, NARO）與日本土壤協會合作，在農林水產省資料驅動型土壤改良推進事業下，開發土壤診斷AI，針對水稻、小麥、大豆、甘藷、白蘿蔔、高麗菜、菠菜、萵苣、蔥、洋蔥、小松菜、青花菜及毛豆等13種作物建立對應模型。系統整合土壤分析所得之化學性資料（最多26項）、田間量測之物理性資料（如貫入硬度）以及產量與施肥量等營農資訊，作為診斷基礎。

機器學習模型運作方式

　　模型採用LightGBM機器學習方法，以因應訓練資料量有限之情境進行訓練，並建立由資料判讀至改善建議之診斷流程。透過整合多項土壤性質與營農資訊，模型可判斷影響產量之因素並提出施肥與栽培管理之改善對策，並可透過追加特定產地或農業經營體資料進行再訓練，以建立符合不同區域條件之專屬模型，提升模型在不同土壤與栽培環境下之適用性。