子計畫六：農業新穎材料在農產品保鮮開發、應用與機理 | 中興大學永續農業創新發展中心 IDCSA Center, NCHU

(2020年成果)
子計畫六：農業新穎材料在農產品保鮮開發、應用與機理
主持人：林耀東
團隊成員：謝慶昌、翁誌煌(義守)、李元堯(中正)

一、子計畫推動重點、成果與特色亮點
本計畫導入先進光學多光譜調控技術、顏色校正系統及AI人工智慧深度學習系統應用於自動化判別蔬果熟化之生理指標變化，推動重點：(1)建立標準化農產品熟度、顏色、生理特性與抗氧化力之蔬果熟化相關性數據資料庫，目前初步成果已累積約36萬筆RGB顏色數據，加上本團隊過去已累積的Lab園藝數據，將可大量整合至新的顏色自動化判別系統；(2)以非侵入式光學系統檢測蔬果色彩值的方式，讀取蔬果內部特性變化及時掌握蔬果成熟度、乙烯生成率、呼吸率、果實堅實度、澱粉含量、全可溶性糖含量及抗氧化物成分等生理指標；(3)利用先進光學多光譜調控技術校正蔬果影像，顏色的表現取決於三要素即光源（在此為日光或手機的閃光燈）、物體（在此為蔬果）、偵測器（在此為手機相機），本計畫導入多光譜光學技術可即時校正手機擷取之蔬果影像RGB色彩表現，而目前不同廠牌相機內之RGB顏色濾光片的製程技術已趨成熟，其穿透光譜雖略有變異，但對顏色的變化應仍能給出相當的一致性；(4)利用深度學習功能(Deep Learning)的卷積神經網絡應用於影像辨識與分析。長短期記憶模型(long short-term memory, LSTM)之雙流長時間模型卷積神經網路為雙流三維卷積神經網路的「端到端」流程，可自動識別任意大小與長度的影像內容，以提高水果成熟度影像識別性能。結合水果影像序列空間資訊與時間資訊可得到最佳的水果成熟度判別與分類。基於深度學習的神經網路可以同時做到影像辨識(Classification)及實例切割(Instance segmentation)。下一年度之研究主軸延續已累積之成果續以特定蔬果進行演算法的開發，再以遷移學習(Transfer Learning)的方式擴充至其他蔬果較少量訓練資料。未來利用AI整合蔬果生理大量數據資料及蔬果RGB數據，更加精確推估蔬果即時之物理、化學及生理特性的變化。此外，本計畫持續精進研究內容並續以接軌業界，本團隊由中興大學土環系林耀東教授、植病系黃振文教授、園藝系謝慶昌及林慧玲老師及義守大學翁誌煌教授等組成，具植物保護製劑、材料相關機制及材料應用於環境與農業之豐富研究經驗。本研究團隊開發之保鮮技術/材料新穎且具前瞻發展潛力，目前多家廠商與本團隊進行洽談，且進一步實際討論具體合作內容，2021年度預計可將蔬果保鮮技術成功技轉多家廠商。

(一) 人才培育面向

本計畫於109年共培育學生共20名，博士生5名 (曾O樺、嚴O婷、卡O莎、黃O明、盧O安)、碩士生2名 (簡O杰、吳O鈞)、大學部專題生及專研生共7名及延攬外籍博士後1名。團隊及學生獲獎無數，團隊榮獲2020國家新創精進獎以及台北生技獎技轉合作獎、嚴莉婷博士生榮獲科技部千里馬計畫補助博士生赴國外研究及「113屆國際空氣與廢棄物管理研討會」博士組海報競賽第三名、盧安安碩士生榮獲「113屆國際空氣與廢棄物管理研討會」碩士組海報競賽第二名及國家同步輻射中心年會暨研討會勇奪Best Popularity Award in Biological Science"、李宜庭專題生榮獲「113屆國際空氣與廢棄物管理研討會」學士組海報競賽第一名、陳映辰專題生榮獲「113屆國際空氣與廢棄物管理研討會」學士組海報競賽第二名及中華民國環境工程學會全國大學生專題論文競賽第一名、卡安莎博士生榮獲中華民國環境工程學會全國博士生論文競賽第一名。

(二) 學術研究面向

本研究使用原子力顯微鏡 (Atomic force microscopy, AFM) 以及國家同步輻射之穿透式硬X光顯微術 (Transmission X-ray microscopy, TXM) 探討可見光應答光催化系統下之細菌細胞抗菌機制。藉由AFM可量測細菌之生物物理參數，如細胞高度、表面粗糙度及黏滯力等；AFM及TXM技術提供直接觀察奈米顆粒與細菌之間之交互作用，可作為細胞損傷的早期診斷。此文章刊登於2020年之國際頂尖期刊Chemical Engineering Journal (Impact factor 10.652; Ranking: ENGINEERING, ENVIRONMENTAL 2/52)。

本研究以克雷伯氏肺炎菌為主要菌株，研究可見光應答TiO2複合材料（N-TiO2，N-T-TiO2，C-TiO2和Pd-C-TiO2）細菌光催化失活速率，並探討多種關鍵參數影響。此外，本研究亦提出一個新的LMH模擬，該模擬可用於預測使用光催化劑下之水生病原菌失活。此文章刊登於2020年之國際頂尖期刊Chemical Engineering Journal (Impact factor 10.652; Ranking: ENGINEERING, ENVIRONMENTAL 2/52)。

此外，本團隊亦榮獲2020國家新創精進獎。本團隊以創新農業廢棄資材微奈米循環高值化技術研製蔬果保鮮、植物保護製劑及環境友善抗菌製劑，盼同時解決臺灣農業三大棘手問題-農藥及化肥過量施用、農業廢棄物棄置及台灣農產品保鮮困境；本團隊鏈結學術界與企業合作，使技術得以實際推廣、應用，以循環經濟的理念，達到臺灣新農業永續發展並高值化的目標。以創新農業廢棄資材微奈米循環高值化技術開發農漁業廢棄物改質植物肥力佐劑系列 (BCR-101、201、301、401及501系列)、農漁業廢棄物高值化新穎抗菌砧板 (PCO-101、ECO-101、PTO-101、ETO-101系列)、農漁業廢棄物高值化新穎抗菌隨身噴劑 (LCO-101、LCT-101系列)、以及農漁業廢棄物再生荔枝保色防失水鍍成技術 (HCT-001系列)，以核心微奈米技術/材料，將礦物性/生物性有機資材(農業廢棄物) 經過微奈米創新技術改質後，導入農作栽培生產 (植物保健系列) 至儲運 (農產品保鮮) 及抗菌 (環境抗菌)，臺灣可獲得邊際利益於臺灣產業市場可創造達2,770億元，亞洲產業市場則為214兆元，全球農產業相關產業市場邊際利益則達433兆元。

媒體採訪
1.上下游News & Market

2.TVBS新聞
《影片》環保愛地球成商機！蚵殼、蝦蟹殼「廢材變黃金」

3.華視新聞
《影片》台灣人愛吃牡蠣，年產17萬噸廢棄殼

(三)產學合作面向

本研究團隊已與台灣塑膠工業股份有限公司 (台塑公司) 完成技術轉移，將進行農漁業廢棄物改質抗菌材料實際運用生產抗菌劑母粒材料以及農業廢棄物高值化抗菌PE膜材料，技轉金額為90萬元，另外台灣塑膠工業股份公司將會提供價值90萬元之塑膠原料進行測試，投入配合款共為180萬元。
此外，本團隊亦榮獲2020台北生技獎技轉合作銅獎。本團隊導入前瞻創新之農漁業廢棄資材微奈米循環高值化再利用技術，將農漁業廢棄物包含蝦蟹殼、牡蠣殼、稻蒿及土壤礦物加值為微奈米循環材料，並應用於農業(蔬果保鮮、植物保護製劑)及環境領域(抗菌、污染物降解)。依據推估農漁業廢棄資材微奈米循環高值化材料應用於1.蔬果保鮮: 提升台灣農產業保鮮相關外銷市場邊際利益，將創造達2,770億元產值。2.環境抗菌: 抗菌關鍵材料在地化，提升傳產民生抗菌加值技術，初估總體產值約增加50至100倍，產值約新台幣2,000-3,000億元。研究團隊以微奈米核心技術、循環經濟理念加值農漁業廢棄物並垂直整合保鮮、民生抗菌產業鏈，除將農漁業廢棄物高值化、降低環境污染外，並升
級傳統民生產業及促進農業永續發展。

(四)國際鏈結面向

本研究團隊於今年6月30日至7月2日參加113屆國際空氣與廢棄物管理年度研討會，原定於美國舊金山舉行，因新冠肺炎疫情影響全面改為線上會議，本研究團隊含博士生嚴莉婷、碩士生盧安安、大學部李宜庭與陳映辰四人皆參加學生海報發表與競賽，分別獲得博士組第三名、碩士組第二名、大學部第一名及第二名之佳績，亦透過此次研討會與國際接軌，分享及交流最新研究進展。

(五)研究貢獻面向

林耀東教授新穎環境友善微奈米材料團隊，以「農業廢棄物高值化民生抗菌及蔬果保鮮之循環再利用」研究成果，經激烈評選，榮獲2020年臺北生技獎銅獎之殊榮。
林耀東教授新穎環境友善微奈米材料團隊，以「微奈米天然資材於農產品生產與保鮮之循環經濟應用」研究成果，經激烈評選，榮獲2020年國家新創精進獎之殊榮。
本研究建立獨特科技化農產品顏色/熟度辨識系統，以傳統農業數據為基礎，結合先進光學技術與AI人工智慧深度學習功能，發展新農業創新研究領域。計畫以擷取蔬果表皮數位顏色影像，轉換傳統顏色辨識系統，連結蔬果生理特性，並代入光學及人工智慧深度學習系統，預期可迅速且精準判別蔬果熟化程度，有效促進智慧農業工業化。

許多研究單位均使用色差儀（Lab表色法系統）進行蔬果表皮顏色測定，Lab表色法中的L值為明度、a值為紅綠程度以及b值為黃藍程度。雖然色差儀對顏色表現精準度較高，惟設備昂貴且需專業技術人員操作，且色差儀僅能「單點」測量顏色，而蔬果熟成顏色為漸層變化，故色差儀數據無法呈現蔬果整體顏色變化。

本研究團隊在照明系統設計與光譜調控方面均有豐富的經驗及研究成果，已成功開發並發表一種利用P-WAVE雷射二極體的非破壞性水果甜度測試方法。此外，目前具深度學習功能(deep learning)的卷積神經網絡(Convolutional neural networks, CNN)已廣泛應用於影像辨識與分析。

透過已開發的圖像分析系統將蔬果「整體」圖像資訊輸出成綜合RGB顏色數據，獲得完整蔬果樣品熟化過程顏色變化之數據，除改善傳統色差儀僅能單點測量之缺點，亦提高對蔬果熟化判斷之精準度。以實驗大量累積蔬果表皮的RGB/Lab顏色數據，進行Lab顏色系統與RGB顏色系統之轉換，且已成功探討香蕉顏色與不同熟成程度的高度關聯性。