2025 環控農業工程

AI輔助水耕種植計算App開發
營養液研究與改良

在現代農業中，數位化和科技的引入為農業管理提供了巨大的潛力，尤其在水耕種植中，對營養液精準管理的需求顯得尤為重要。傳統方式中，種植者需反覆進行化學式計算以確保各種元素濃度符合植物需求，這過程既耗時又容易出錯。

透過AI技術與Swift UI App開發，我們可以為種植者設計一個智能化的工具，使得濃縮液配方計算過程更直觀且高效，適用於不同植物的需求，同時提升農業的精準性與效率。

教學重點

1. 水耕種植基礎知識
   營養液中的各種元素對植物生長的影響。

2. AI與農業的應用
   (1)AI如何運用於數位工具（iPad/Swift UI App）的開發流程。
   (2)簡單的介面設計與數據輸入邏輯。
   (3)濃縮液補充計算邏輯
   (4)根據觀察數據（如水分減少刻度）推算需要補充的微量元素量。
   (5)配方自動化計算並顯示結果。

AI輔助水耕種植計算App開發
作物光照管理

在室內農業中，採用 DLI（每日光量子累積）能更精準地評估作物對光的需求。其計算方式為 DLI = PPFD × 光照時長 × 3600 ÷ 1,000,000。相較只測量 PPFD，透過定時器控制光照時數，可確保農作物獲得足夠光能。一般定時器以 1/4 小時為刻度，因此可直接依建議增減時長，按 15 分鐘為步長調整，既簡化操作也減少勞力。面對農村老齡化與人力不足，此方法能輕量化勞動並提升效率，為未來農業帶來更省力且有效的解決方案。

AI輔助植物診斷App開發
結合「觀察－分析－推理」的教育意義

自製的「植物營養缺乏診斷 App」透過 AI ，將學生腦海中抽象的架構與想法，轉譯成可執行的程式碼。這樣做學生依舊是核心的「設計者」，而 AI 只扮演輔助的角色，培養孩子「如何讓 AI 幫助自己」的觀念，而不是被 AI 取代。

教學重點

1. 透過邏輯樹狀結構訓練「分析與推理」：診斷表從老葉 (A) 或新葉 (AA) 開始，再細分 B1/B2、C1/C2...，就是一個典型的判斷樹或決策樹

2. AI 作為「程式語言翻譯者」：
   (1)學生先提出明確的需求描述（例如：要在介面出現兩個按鈕、按下後切換到哪個步驟），AI 再幫忙「翻譯」成 SwiftUI code
   (2)在此過程中，學生能透過 AI 產出的程式碼，順便觀察並學習 Swift 的寫法。

3. 鞏固學生的觀察與思考能力
   (1)與其直接用 相機掃描 AI 判斷這種功能，更鼓勵孩子「走近、看仔細」，對每片葉子做基礎檢查
   (2)培養「假設－驗證」的思考：孩子看到葉片乾枯，可能先假設是「老葉整個枯萎」。如果進一步檢查後發現是局部有斑點，則要修正判斷，轉到「局部的」分支。

參考論文：
Effect of different substrates on growth and quality of Strawberry cv. chandler in soilless culture

March 2019
Abstract and Figures
Strawberry (Fragaria × ananassa Duch) is one of the most important widely consumed small fruit in the world. The cultivated fruit is popular for its bright color, aroma and texture, which contain a number of nutrients for good health. The future of soilless culture will depend on the development of new production systems and substrates that are competitive in costs and returns in comparison to conventional agriculture. In present study the individual/combination of three different substrates, viz., coco peat, vermiculite and perlite were employed while sand as control. Fifteen treatments singly/in combinations with different concentrations (v/v) were studied for different growth and quality related parameters of strawberry cultivar (Chandler) under passively ventilated green house conditions. The results revealed that the S7 (coco peat + vermiculite 25:75) produced the maximum petiole length (16.77cm), canopy spread (42.75cm), crown diameter (2.10cm), shoot fresh wt. (17.16g), shoot dry weight (4.36g), root fresh weight (16.53g), root fry wt. (5.13g), number of leaves (17), total leaf area (1542cm2), fruit wt.(10.76gm), fruit dia (27.48mm), fruit length (29.89mm) whereas the treatment S15 (Coco peat + Perlite Vermiculite, 50:25:25) produced maximum plant height (28.36), shoot length (23.13), root length (32.40cm) and TSS (10.8 B°) and lowest acidity (0.86%) while as minimum plant height (15.10cm), no. of leaves (8) canopy spread (21.17cm), crown dia (1.50cm), root length (9.43cm), shoot fresh wt (5.60g), shoot dry wt. (1.20g), root fresh wt (7.70g), root dry wt.(1.63g), leaf area (479.0cm') were recorded in control (sand). Hence form current study it is confirmed that coco peat in combination with vermiculite (25:75) and coco peat in combination with Perlite and vermiculite (50: 25:25) produced maximum growth as well as good quality fruit in strawberry cv. Chandler.

在 NFT 系統中，使用奧凌冷水機 (300L) 來控制水溫，控制營養槽的水溫為 20-21°C，並設置一個環境溫度對照組。