農先知 AgriFuture－AI農產供需預警與智慧種植決策平台

B 智慧治理

申請編號
58
隊名
農先知
聯絡人
李昌緯 ・0908137867 ・jackson15988@gmail.com

在官方系統開啟此提案

AI 輔助評估

摘要
整合農情調查、批發市場行情與氣象開放資料，以機器學習預測30/60/90日供需與價格，提供農民種植建議與政府預警儀表板。
實質空洞
否 — 有架構但無實證數據
卡詞
否
治理樣板
是
既有作品
團隊自述系統已開發完成並上線，非賽中新作；網路上查無「農先知」公開蹤跡
類似前案（有沒有別人做過）
農糧署大宗蔬菜供苗預警系統已依旬推估產量並以燈號預警；提案為其擴充加AI價格預測
性別影響
完全未提及農村女性、新住民農婦或女性農場經營者；決策工具設計未考量性別使用差異，恐擴大既有農業決策權落差。
DEI
資料僅涵蓋批發市場，直銷、契作、有機、小農及原鄉山區農戶被排除；高齡農民數位落差未處理；成員全為軟體公司，無農業或農民代表。
STS·社會影響
預測若被普遍採信將引發集體轉作的自我實現預言，反造成新超種；預警錯誤時政策收購與補貼責任歸屬不明；反覆宣稱已上線卻無網址、準確率或回測數據。
AI 使用
XGBoost與時間序列預測，另規劃LLM轉譯建議；30至90日氣象預報本質不可靠卻列為修正因子；聲稱不作決策依據，與產品定位自相矛盾。
資安隱私
稱僅用開放資料，但ROI試算與場域實證必然蒐集農民成本與田區資料；預測結果具市場操作價值，盤商先取得的資訊不對等風險未處理；API權限與資安未述。

初審

總分 可行性 社會影響力 創新性 提案團隊多元性 資料治理思維
2.14 4 3 0 1 1
評語
自述是已完成的服務。價格預測會產生追價，會反過來影響供需平衡。
筆記
資料治理疑是AI產生的樣板文字，團隊可能沒有能力處理資料治理問題。
初審會議筆記
（無）

工作坊

筆記
（無）

決審

總分 可行性 社會影響力 創新性 實作進程驗證
（無） （無） （無） （無） （無）
入選
否
評語
（無）
筆記
（無）

同主題提案（主題 4：蔬菜供需與菜價）

壹、隊名及題目

一、隊名
農先知
二、題目
農先知 AgriFuture－AI農產供需預警與智慧種植決策平台
三、提案對應之徵件構面
智慧治理
四、團隊要解決的問題？
本團隊已完成「農先知」系統開發，並成功導入真實農業開放資料進行實際驗證，證明本提案並非概念構想，而是已具備實際運作與落地能力的農業決策平台。 目前政府已累積大量農產品交易、種植面積、氣象及災害等開放資料，但資料分散於不同平台，農民難以直接判讀，政府也不易快速整合並提前掌握未來供需風險。 因此，「農先知」透過跨資料整合、AI預測與風險分析，將既有政府資料轉化為供需預警、價格趨勢、種植建議、氣候風險及損益試算等決策服務，協助政府提早掌握產銷失衡與災害風險，也讓農民能在種植前就有更具依據的判斷。 我們要解決的，不只是資料分散問題，而是讓農業資料真正從「看得到」，進一步變成「看得懂、能預測、可行動」。
五、本提案是否屬於尚未進行、且尚未成立標案、未申請政府相關預算之計畫，階段性計畫亦同
是
六、前題若選否，請敘明招標機關、計畫名稱、計畫工作內容與本次精進內容

貳、聯絡人資訊

聯絡人姓名
李昌緯
聯絡人電話
0908137867
電子信箱（Email）
jackson15988@gmail.com

參、提案內容說明

一、可行性

(一)已有隊員人數（含聯絡人）
5
(二)團隊成員及任務分工？
(三)參賽隊員中是否有「歷屆獲獎團隊或初審入選者」？
否
(四)參賽隊員中是否有其他之獲獎證明？
否
(五)請說明您的提案「已使用」哪些相關資料？
政府開放資料：農業部農糧署農情調查資料，包含年度、期作、縣市、鄉鎮、作物、種植面積、收穫面積、單位產量及總產量；並使用農產品批發市場每日交易價格及交易量資料，作為歷史供需與量價分析基礎。 自備資料：將政府原始資料依「日期、地區、作物」進行標準化，建立作物生育日數、預估採收日期、歷史量價關係、季節性指標及供需風險等衍生資料，作為分析與模型訓練使用。
(六)請說明您的提案「後續驗證期間」預計使用哪些相關資料？
政府開放資料：預計使用近5～10年農情調查、批發市場每日交易量與價格、中央氣象署氣溫、雨量、颱風及警特報資料，並加入農產品進出口及生產成本資料，進行供需、價格及氣候風險模型回測。 自備資料：建立作物生長週期、成本參數、氣候風險係數及AI模型產生之預估採收量、預估價格、供需指數與ROI資料，持續與實際交易結果進行回測及模型校正。
(七)除了上述資料外，是否有需要哪些機關的未開放資料？
否，沒有其他機關的未開放資料需求
(八)針對上述(欄位(五~七))之資料預計應用方式？
本提案將農業部農情調查、批發市場每日交易行情及中央氣象署氣象資料，以「日期、作物、地區」作為主要關聯維度進行整合。首先利用種植面積、歷史單位產量及作物生育週期，推估未來30、60、90日可能採收時間及供給量；再結合歷史每日交易量、上中下價、平均價及季節性，建立量價關係與價格預測模型；最後納入降雨、高溫、寒害、颱風等氣候因素修正產量與風險。 資料處理將建立統一作物代碼、行政區及時間格式，原始資料與模型衍生資料分層儲存，保留來源、更新時間及版本紀錄。資料以政府開放資料及公開資訊為主，不處理農民個人敏感資訊；模型輸出提供預測區間、可信程度及資料依據，並透過API及Dashboard供農民與政府端使用。
(九)請說明提案預計實證及落地場域為何，如在中央或地方機關、產業或NPO/NGO等，如何導入公共服務運作？
本團隊已完成「農先知」系統開發與實際資料驗證，後續實證場域將以中央農政機關、地方政府農業單位及第一線農業場域為核心推動。 中央層級可與農業部、農糧署等單位合作，介接既有農產品交易行情、種植面積、產量及相關農業開放資料，作為供需預警與政策決策輔助工具；並結合中央氣象署氣象資料，強化豪雨、高溫、強風及颱風等農業風險預警。 地方層級則可與縣市政府農業局處、農業改良場、農會及產銷班合作，選定特定作物與產區進行實證，驗證價格預測、供需風險、種植建議與損益試算結果。 導入公共服務後，可形成「中央掌握趨勢、地方進行預警、農民取得決策建議」的服務模式，將現有政府資料進一步轉化為可預測、可決策、可實際使用的農業公共服務。
(十)請說明提案實作期程規劃 （入選後至決審期間）？
第一階段｜既有系統整合與資料強化 「農先知」核心系統及MVP已完成，入選後將持續擴充農情調查、交易行情及氣象資料，強化作物、行政區與時間等標準化資料庫，並增加示範作物與區域。 第二階段｜模型驗證與歷史回測 針對既有生育週期、採收量預估、量價分析及30／60／90日供需預警模型，以歷史資料進行擴大回測，分析預測誤差並持續調整模型參數。 第三階段｜功能深化與場域導入 持續優化既有農民端種植決策、歷史量價走勢、ROI損益試算、AI推薦，以及政府端全臺供需預警Dashboard，並導入實際場域進行測試。 第四階段｜實證驗證與成果完成 邀請農民、農業相關人員及潛在政府使用單位實際操作，蒐集回饋並優化模型與UI/UX，完成實證成果、成效指標、決審Demo及後續公共服務導入方案。

二、社會影響力

(一)請說明您的具體解決方案？
本團隊已完成「農先知」智慧農業決策平台，核心做法是將分散的農業開放資料，轉化為政府與農民都能直接使用的預測與決策工具。 系統整合農情調查、作物種植面積、批發市場交易量價、歷史行情及氣象等資料，透過標準化處理與AI模型分析，建立作物生育週期、採收量推估及30／60／90日供需預警機制，提前辨識可能發生的超種、供需失衡、價格波動及氣候風險。 在農民端，提供作物推薦、種植時機、歷史量價趨勢、AI分析、氣候風險及ROI損益試算，協助農民在「種下去之前」先評估市場與收益；政府端則透過全臺供需預警Dashboard掌握各地作物風險，作為產銷調節與輔導依據。 農先知讓農業決策由「事後反應」轉向「事前預測」，真正把政府開放資料轉化為可行動的公共服務。
(二)提案是否回應公民許願池 ?
是
(三)前題若選是，請點選回應之願望名稱
希望農民在種下作物之前，就能知道未來會不會賺錢
(四)請說明您認為本次提案內容可帶來的影響與效益？
本提案最大的影響，在於降低農業生產中因資訊落差、價格波動與氣候變化所造成的決策風險，並將政府既有農業資料真正轉化為可被使用的預測工具。 對農民而言，「農先知」可協助其在種植前掌握未來供需趨勢、歷史量價、氣候風險及預估收益，降低單靠經驗或當期高價追種所造成的集中搶種、盛產價跌與收益不穩定。 對政府而言，可透過30／60／90日供需預警，更早辨識特定作物可能出現的產量過剩、價格異常與區域風險，使政策由事後促銷、補助或收購，轉向事前的轉作輔導、契作媒合、加工、冷鏈及產銷調節。 長期而言，可降低農產品浪費與價格劇烈波動、提升農民所得穩定性與農業韌性，並建立一套可持續擴充至不同作物與地區的智慧農業公共決策模式。
(五)請說明本提案是否具備可複製性及擴散性？
本提案採用模組化資料架構與模型設計，核心流程涵蓋「種植面積、生育週期、預估採收量、市場交易量、價格、生產成本與收益」，不綁定單一作物、單一產區或單一資料來源，因此具備高度可複製性與擴散性。 初期可先以甘藍等價格波動明顯、資料完整度較高的作物進行驗證，待模型與預警機制成熟後，即可快速擴充至葉菜、根莖、果品及其他農產品；地理範圍亦可由單一產區延伸至不同縣市，進一步建構全臺農產品供需預警網絡。 系統並採標準化API、共通資料欄位及模組化服務設計，可供地方政府、農會、產銷班、農業平台及民間服務串接。未來亦能延伸契作媒合、冷鏈、加工、外銷與災害風險等模組，形成可持續擴充、跨場域導入的農業數位決策基礎。

三、創新性

(一)請說明本次提案內容跨領域合作或服務與技術之創新程度
目前農業相關服務多提供歷史價格、即時行情、氣象或生產資訊，本提案的創新在於不再個別呈現資料，而是將「現在田裡種什麼」與「未來市場會發生什麼」建立時間上的因果鏈。 系統跨整農業生產、農產運銷、氣象、AI預測、資料工程與使用者體驗，利用作物生育週期把目前種植面積映射至未來採收時間，再結合歷史每日交易量與價格建立供需模型，並加入氣候因子修正產量。 最終不只是提供一個預測價格，而是回答農民真正關心的「現在種下去，收成時市場有多少貨、可能賣多少、會不會賠錢」，同時提供政府未來30／60／90日全臺農產供需雷達，形成農民決策與政府治理雙向應用。
(二)請說明提案預計使用之工具或平台？
「農先知」並非停留於規劃階段，本團隊已於初選前完成整體系統建置並正式上線，核心資料串接、分析模型、前後端服務及視覺化介面均已可實際運作。 系統採Web與雲端架構，資料來源整合農業部農業資料開放平臺、中央氣象署Open Data等公開資料，並以Python進行ETL、資料清洗、標準化、時間序列分析及AI模型訓練。 後端採REST API架構，搭配PostgreSQL進行資料儲存，並使用Redis提升查詢效率；AI與資料分析則運用Python、Pandas、Scikit-learn、XGBoost及時間序列模型。 前端已完成RWD Dashboard，可呈現臺灣地圖、歷史量價、30／60／90日供需預警、氣候風險、AI推薦及ROI試算。後續將在現有已上線系統基礎上持續進行模型驗證、功能優化及場域導入。
(三)是否有使用AI工具？
是
(四)前題若選是，請詳實說明提案階段使用 AI 工具之名稱、使用功能及目的與範圍
本提案預計使用AI於「預測、異常偵測及決策輔助」，不直接取代農民或政府人員最終決策。 首先使用Python Scikit-learn、XGBoost及時間序列模型，分析歷史種植面積、產量、每日交易量、價格與氣象資料，預測未來30／60／90日可能採收量、供需風險及價格區間。 其次利用異常偵測模型辨識種植面積快速增加、交易量異常或價格劇烈變化，產生供需預警。 另規劃使用大型語言模型作為農業決策資訊介面，將模型結果轉化為自然語言，例如說明「為何目前不建議擴種」及推薦替代作物。所有AI輸出均標示資料來源、預測區間及風險，不將生成式AI內容視為農業專業建議或行政決策依據。

四、團隊輔導需求調查

(一)若入圍初選，期待主辦單位提供之協助？
協助調整作品架構及服務模式 協助確認應用場域可行性 協助確認預期使用者(TA)是否需調整 協助建議資料應用項目是否需要調整 協助跨機關資料取得 協助跨機關溝通合作(非資料面) 專門領域諮詢建議： 希望媒合農糧署、農業試驗／農業經濟、批發市場、農會或產銷班相關專家，協助確認作物生育週期、種植面積與實際上市量之關聯，以及農業產銷調節實務。 其他： 希望協助媒合實際農民、農會或地方農政單位作為實證場域，以取得模型驗證及使用者回饋。
(二)若入圍初選，是否需要算力平台或雲端協力業者資源？
否
(三)前題若選是，請說明需要何種算力平台（係指數位發展部數位產業署-數位產業跨域軟體基盤暨數位服務躍升計畫）或雲端協力業者（GCP或AWS或Azure或國網中心）之資源及預計應用內容

五、參考文獻或資料引用來源說明

(一)提案內容是否全為原創內容，或有部分引用相關資料來源？
否，有部分內容或資料來源引用其他參考文獻/網頁等。
(二)前題若選否，請說明本提案中所引用之資料來源及其應用環節，建議以條列方式簡述。
1.農業部農業資料開放平臺－農情調查 應用：取得年度、期作、縣市、鄉鎮、作物、種植面積、收穫面積、每公頃收穫量及總產量，作為預估未來作物供給量之基礎。 2.農業部農產品交易行情資料 應用：取得各作物及批發市場之交易行情與交易資訊，建立歷史價格、交易量及量價關係分析。 3.交通部中央氣象署氣象資料開放平臺 應用：取得氣溫、降雨、天氣預報及警特報等資料，建立農作物氣候風險與產量修正因子。 4.農業氣象觀測網監測系統 應用：參考農業場域即時與歷史氣象資訊，分析氣象條件與作物生育及產量之關聯。

團隊成員

單位類型 姓名 單位與職稱 工作項目
民間單位與個人 李昌緯 伊諾科技股份有限公司 R&D 主要提案單位
民間單位與個人 羅明為 日新軟體股份有限公司 R&D 技術/資源協助
民間單位與個人 藍文廷 伊諾科技股份有限公司 R&D 技術/資源協助
政府機關-地方 政府單位 農業部農糧署 未來合作單位(洽談中)
政府機關-地方 臺北農產運銷股份有限公司 臺北農產運銷股份有限公司 未來合作單位(洽談中)

資料需求

無資料。