專案介紹
AI 茶園監控系統是我的大學畢業專題，整合無人機影像分析、人工智慧、茶葉病害檢測與行動應用程式，協助茶農進行茶園監控與管理。
我們多次前往新北市石碇區進行田野調查，實際拜訪四間茶園並與當地茶農訪談，了解大範圍茶園巡視、人力不足、茶樹生長狀況、病害辨識與日常管理所面臨的問題。
根據訪談與實際觀察，我們結合無人機拍攝、影像分析、人工智慧與行動應用程式，讓茶農能透過手機查看不同時期的茶園影像與生長分析結果，也能進行茶葉病害檢測、取得管理建議並追蹤病害分布。整個系統的設計方向，是將原本分散且需要大量人工處理的茶園資訊整合到同一個 App 中，協助茶農更方便地掌握茶園狀況。
此專題內所使用的茶園名稱僅供示意，非真實茶園名稱，四個茶園均於石碇實際拍攝。
相關競賽經歷
本專題曾參與兩項教育部競賽，並分別獲得第一名。
相關新聞報導
- AI辨識助監控茶園病害 致理科大團隊獲專題競賽獎
- 教育部新聞稿 - 2025年全國技專校院學生實務專題製作競賽暨成果展 成績揭曉
- 石碇高中生攜手致理科大用無人機及 AI 助茶農 獲教育部首屆永續行動創新獎
- 人文社會永續行動創新應用競賽 跨域展關懷
功能
茶園狀況與影像
茶農可以查看茶園的歷史監測紀錄，包括每次無人機拍攝的茶園影像、拍攝日期、生長率參考值與種植程度等資訊。透過不同時間留下的紀錄，可以持續觀察同一片茶園的生長變化，而不需要只依靠當下人工巡視的結果。
茶園影像分析
無人機拍攝完成後，系統會將影像分析結果呈現在 App 中，並透過人工智慧模型標示種植程度較低、需要注意的區域。茶農除了能看到分析後的影像，也能將結果與原始空拍照片及過去紀錄一起查看，協助掌握大範圍茶園中較難透過人工巡視發現的變化。
茶葉病害檢測與歷史紀錄
茶農可以直接使用手機拍攝茶葉，或從相簿選擇既有照片進行病害檢測。系統使用開源的茶葉疾病檢測模型，直接判斷茶葉的狀態，包括健康或不同的病害種類，並顯示判斷結果與信心程度，協助茶農快速了解茶葉狀況。
完成檢測後，茶農可以選擇儲存分析結果，之後重新查看當時的茶葉照片、病害種類、信心程度及相關資訊。透過持續累積紀錄，茶農可以回顧過去曾經發生的病害與分析結果。
AI 管理建議
完成病害檢測後，系統會結合病害種類、檢測結果與當時的天氣資訊，透過 OpenAI GPT API 將相關資訊整理成較容易理解的說明與茶園管理建議，讓茶農除了知道可能發生的病害之外，也能進一步了解可以採取的處理方向。
病害地圖與熱力圖
每次病害檢測都可以記錄病害發生的位置，並將歷史資料呈現在地圖上，讓茶農查看不同病害曾經出現的地點。系統也提供病害熱力圖，將累積的紀錄轉換成區域分布，協助茶農觀察哪些位置曾較密集地發生病害，以及病害在茶園中的分布情況。
茶園生長健康報告
在專題後期與茶農討論時，有茶農提出希望能比較不同年份與季節的茶園狀況，例如比較同一季節在不同年份的生長率、病害紀錄與其他茶園數據。像是遇到暖冬時，茶農可以將當年度冬季資料與過往年份進行比較，觀察氣候條件不同時茶園生長與病害情形的變化，作為後續管理與種植調整的參考，讓茶園管理能有更多歷史數據作為依據。
因此，我使用 Next.js 製作 A4 大小的茶園報告，將不同月份或年度的茶園資料及病害統計整理在一起，讓茶農能從較長的時間範圍比較茶園狀況與變化。
預期提供 App 一鍵匯出功能，茶農點擊按鈕後，系統會將相關茶園資料帶入網頁，並自動生成對應的茶園報告。
