2014-01-012024-05-15https://scholars.lib.ntu.edu.tw/handle/123456789/663626摘要：近年來台灣隨著貿易自由化的潮流，在未來可以預期的狀況將會是有更多的作物疫情病蟲害入侵台灣，將會對於台灣農業造成一大衝擊。本研究計畫以往的研究成果已經成功開發一自動化監測系統，此系統將能協助國內政府農業相關單位落實發展國內農作物植物病蟲害之監測與預警效果。強化重大疫病蟲害共同防治措施之發展目標。本年度將主要將優化「自動化害蟲監測與警示通報系統」的效能，針對已開發的自動化害蟲監測系統進行自動化害蟲棲群密度分析，主要分析的對象為斜紋夜蛾。另外，本計畫於今年度開發了自動化感測資料分類演算法，將感測器誤動作的異常感測資料先行過濾，節省資料儲存空間。本年度將針對自動化害蟲監測與警示通報系統之各項軟硬體進行維護、改良及備料製作，預期將降低系統運作功耗並提升系統運作之穩定度。本年度將對於雲嘉南高屏等農業重點區域建置的監測與預警系統所蒐集到的資料進行進一步的分析，並於相關試驗場地搭配農業改場人員同步進行自動化監測與人工防治，藉此實驗驗證各項防治效果。此外，本年度亦將蟲害防治資料共享平台實際上線，使相關蟲害監測資料與防治方法能夠被更廣泛的利用。此外，研究人員將在完成疫情防治決策支援系統後，進行決策支援系統的整合測試，使整體系統能符合相關單位需求。 本年度將維護雲嘉南高屏等農業重點區域的斜紋夜蛾監測與預警系統，並於相關試驗場地搭配農業改場人員同步進行自動化監測與人工防治，藉此實驗驗證各項防治效果。此外，本年度亦將建立蟲害防治資料共享平台，在此資料共享平台上開發自動異常資料過濾演算法，讓異常資料早一步先被系統過濾，使相關蟲害監測資料與防治方法能夠更透明的呈現給大眾和更廣泛的利用。此外，研究人員將在完成疫情防治決策支援系統後，進行決策支援系統的整合測試，使整體系統能符合相關單位需求。近年來台灣隨著貿易自由化的潮流，在未來可以預期的狀況將會是有更多的作物疫情病蟲害入侵台灣，將會對於台灣農業造成一大衝擊。本研究計畫以往的研究成果已經成功開發一自動化監測系統，此系統將能協助國內政府農業相關單位落實發展國內農作物植物病蟲害之監測與預警效果。強化重大疫病蟲害共同防治措施之發展目標。本年度將主要將優化「自動化害蟲監測與警示通報系統」的效能，針對已開發的自動化害蟲監測系統進行自動化害蟲棲群密度分析，主要分析的對象為斜紋夜蛾。另外，本計畫於今年度開發了自動化感測資料分類演算法，將感測器誤動作的異常感測資料先行過濾，節省資料儲存空間。本年度將針對自動化害蟲監測與警示通報系統之各項軟硬體進行維護、改良及備料製作，預期將降低系統運作功耗並提升系統運作之穩定度。本年度將對於雲嘉南高屏等農業重點區域建置的監測與預警系統所蒐集到的資料進行進一步的分析，並於相關試驗場地搭配農業改場人員同步進行自動化監測與人工防治，藉此實驗驗證各項防治效果。此外，本年度亦將蟲害防治資料共享平台實際上線，使相關蟲害監測資料與防治方法能夠被更廣泛的利用。此外，研究人員將在完成疫情防治決策支援系統後，進行決策支援系統的整合測試，使整體系統能符合相關單位需求。 <br> Abstract: In recent years, due to the growing trend of globalization, the possibility of quarantine pest invading Taiwan increases. If occurs, this may cause huge agricultural damage. In the earlier project, an automatic monitoring and alerting system (AMAS) was developed and used to monitor Spodoptera litura. This system is able to increase the efficiency of the common prevention practices in pest management. Our research team developed the software and hardware for the AMAS. This system could automatically monitor male Spodoptera litura and analyze the population density of the pest based on the monitoring results. In this year, we will continue to improve the software and hardware for the AMAS for S. litura. We will develop a classification algorithm based on the self-organizing map (SOM) to avoid the error data that can affect the analysis results. A number of AMASs for S. litura have been deployed in critical agricultural areas, and our research team will conduct maintenance check-ups for the proposed system to maintain higher data continuity. The AMASs will continuously monitor the pest population of S. litura for a long period of time, and we will also evaluate the performance of AMASs and the pest prevention methods. Moreover, we will develop a data sharing platform built upon an “agricultural cloud” to share monitoring data and pest prevention methods with each user. Our researchers will also develop a decision support system for pest prevention, and we will conduct an integrative test on the developed system to evaluate its functions and performance.自動化監測決策支援系統族群動態分析預警系統害蟲監測automation monitoringdecision supporting systempopulation dynamics analysisalerting systempest monitoring