數位果園：數據驅動技術於蘋果育種與基因改良之應用
87
文章來源 : 農業科技決策資訊平台 2026-06-24
蘋果育種面臨的發展挑戰
蘋果為全球重要經濟果樹作物之一，年產量超過8,600萬公噸，然其育種長期受限於幼年期長（5–12年）、高度雜合性及大規模試驗需求，使傳統育種流程耗時且資源密集。在氣候變遷、病害壓力及品質需求提升等多重因素下，傳統方法已難以有效因應作物改良需求。
數位技術導入育種流程
近年農業數位化發展促使人工智慧、感測技術與基因體分析逐步導入育種流程。本研究依PRISMA-EcoEvo架構，整合Web of Science、Scopus及PubMed等資料庫之47篇文獻，歸納出三項核心技術：高通量表型分析（HTP）利用RGB-D影像、高光譜與LiDAR等感測技術進行非破壞性性狀量測；機器學習（ML）與深度學習（DL）應用於品種辨識、性狀預測及基因體選拔；CRISPR/Cas9基因編輯則可精準導入抗病性、貯藏性及營養效率等重要性狀，並逐步發展無外源DNA之編輯技術。
高通量表型分析之應用成效
在應用成效上，機器學習模型可達96%以上品種辨識準確率，葉片病害分類準確率達99.7%；結合高光譜資料與基因標記之模型可提升性狀預測能力約18%。高通量表型分析亦可透過影像與光譜資料非破壞性預測果實品質（R²>0.75），而CRISPR技術已成功應用於抗病性、糖分累積及延長貯藏壽命等性狀改良。透過多技術整合，育種流程可由傳統10年以上縮短至約3–5年。
AIoT支撐數位育種發展
整體而言，數據驅動技術推動蘋果育種由線性流程轉為高效率、可預測之數位化模式。透過農業物聯網（AIoT）整合環境與表型資料，可進一步解析基因型與環境交互作用，提升品種適應性與穩定性。然目前仍面臨資料標準化不足、系統整合驗證有限及設備成本較高等挑戰，未來需強化跨系統整合與資料共享機制，以促進數位育種技術之實務應用。本研究已發表於《Frontiers in Plant Science》期刊。
2 則留言
