智慧型农业及环境管理系统的制作方法

本发明涉及一种智慧型农业及环境管理系统，尤指一种依据环境状态来施用目标物质的智慧型农业及环境管理系统。
背景技术：
：智慧型农业是应用“资讯和通讯科技”的技术(informationandcommunicationtechnology,ict)及“自动化装置”的技术以改善当前农业种植生产的状况及难题，并结合传统农业技术模式及概念，以提高生产效率及生产高附加价值的农产品为目标。由于智慧型手机的普及，实体物件与资讯通讯连结的物联网(internetofthings，iot)科技开始蓬勃发展。依据物联网的概念，不同且分隔的实体物件可透过有线或无线网路来即时侦测、监测、运算、处理、通讯并执行各种相关工作，且因此具有运用于各种领域的潜力。智慧型农业(smartfarming)是结合大数据分析、感测技术、精准农业、智能机器装置、物联网及机器对机器(machinetomachine,m2m)等技术，精确调整栽培管理的方式。在气候变迁、水资源缺乏、虫害、暖化效应、新型病虫害的影响下，依据土壤与作物状况，斟酌化学肥料的量与水所喷洒的多寡，或利用全球定位系统(globalpositioningsystem,gps)操控拖拉机的装置，以实现大规模生产。智慧型农业将使农业生产智慧化。然而这项技术需要庞大资金与人才，精确资料的收集及相关技术的配合。智慧型农业广义上包含：农业资讯化(agri-informatics,ai)及精密农业的技术，亦即应用网际网路、情报资讯、云端运算(cloudcomputing)、远端操控、自动化装置、以及一般软硬体技术。其目的在于节省劳力且大量生产、发挥作物最大极限、确保工作人员的安全作业环境以及提供消费者与实际需求者对于食品安全(材料源头的提供端)的信赖感。在农业或环境管理上，常常面临到诸如化学肥料、化工产品、杀虫剂、除草剂、激素类及调节类催长剂等化学性物质的过量选用，导致地表水及地下水的污染，成为农业及环境科学领域所关注的问题。因此，需要精确的控制所欲施加于环境中或作物上的化学性物质的浓度及用量。因此，诸如生物性胜肽或蛋白质的农药、毒素或肥料等具有较小残留性、对环境友善以及对特定物种具专一性的物质，便逐渐被开发以取代传统农药、化学性农药、毒素或肥料等。生物性农药或生物制剂，例如：天然素材农药、微生物农药、生化农药及基因工程技术产制的微生物农药，经由动物、植物、微生物及其所衍生的产品，亦渐被开发以取代现有的农药。微生物制剂是指用于作物病原、害虫、杂草防治或诱发作物抗性的微生物或其有效成分经由配方所制成的产品，其来源包括细菌、真菌、病毒和原生动物，一般可经由自然界分离而取得，或者可再经由诸如人为诱变、汰选或遗传基因改造等技术进行改良，进而取代现有的农药。生化制剂是指生化农药包括昆虫费洛蒙(pheromone)等以生物性素材经过化学粹取或合成，其作用机制无毒害者，例如：甜菜夜蛾性费洛及斜纹夜蛾性费洛蒙，亦渐被开发以取代现有的农药。天然素材包括烟碱(nicotine)、除虫菊精(pyrethrum)、鱼藤精(rotenone)、藜芦碱(sabadilla,vertine)、印楝(azadirachtin)、素皂素(saponins)等天然产物，不以化学方法精制或再加以合成者。然而，生物性胜肽或蛋白质相较于化学性物质较容易自然降解，因而难以掌握其于田野或环境区域间的选用量，并需要大量人力追踪并人工选用此类生物性胜肽或蛋白质。因此，有必要运用物联网的概念，发展可更精准且更轻易地调控环境中所需程度的化学性物质，亦或是生物性胜肽的装置或方法。技术实现要素：鉴于上述现有的技术缺陷，发明人对其加以改善，并据此研究得到本发明。本发明提供一种智慧型农业及环境管理系统，包括监测单元、传输单元、计算单元、控制单元及目标物质施用单元，其中，所述监测单元用以收集监测区域中环境的原始资料；所述传输单元与所述监测单元相耦接，用以接收并传输所述原始资料；所述计算单元与所述传输单元相耦接，用以接收来自所述传输单元的原始资料，以及依据策略演算法于目标物质资料库中选用目标物质，且依据所述目标物质的降解数学模型及所述原始资料来归纳管理资讯；所述控制单元与所述计算单元相耦接，用以接收所述管理资讯并产生控制讯号；以及所述目标物质施用单元与所述控制单元相连接，用以接收所述控制讯号，并依据所述控制讯号于所述监测区域选用预定浓度及预定量的所述目标物质。依据本发明的实施例所提供的智慧型农业及环境管理系统，可监测及应用环境参数来运算并推测需选用物质的种类、时机、数量、程度及周期，并依此选用目标物质于农业环境中。因此，本发明的实施例所提供的智慧型农业及环境管理系统简化或改善了选用目标物质于环境中所需的时间和人力。此外，智慧型农业及环境管理系统可搭配各种可能选用于该农业环境中的目标物质来使用，增加了智慧型农业及环境管理系统的应用性。附图说明图1显示了本发明的智慧型农业及环境管理系统的示意图。图2显示了hv1a(蛋白质分子量为5.3kda)及蛋白质标记的十二烷基硫酸钠聚丙烯酰胺凝胶电泳图。图3显示了hv1a-凝集素(hv1a-lectin，hl，蛋白质分子量为17.1kda)及蛋白质标记的十二烷基硫酸钠聚丙烯酰胺凝胶电泳图。图4显示了经胰蛋白酶作用一天后，hv1a(蛋白质分子量为5.3kda)及蛋白质标记的十二烷基硫酸钠聚丙烯酰胺凝胶电泳图。图5显示了经胰蛋白酶作用一天后，hv1a-凝集素(hl，蛋白质分子量为17.1kda)及蛋白质标记的十二烷基硫酸钠聚丙烯酰胺凝胶电泳图。图6显示了hv1a(实线)和hv1a-凝集素(虚线)的胰蛋白酶降解速率的双倒数图。横轴代表受质浓度的倒数，纵轴代表速率的倒数。回归线与x轴的截距代表-km,p的倒数，及y轴的截距则代表vm,p的倒数。图7a至图7f显示了在不同n值下紫外光辐射分解的降解速率的模拟图。其中，横轴代表时间，纵轴代表相对于起始值，剩余的浓度百分比。图8显示了四种蛋白质在2小时内的降解曲线图，其中横轴代表时间，纵轴代表剩余蛋白质浓度。图9显示了hv1a-凝集素在波长为286nm及强度为36.4mw/m2的紫外光照射下，模型预测曲线与实验结果的比较图。图10显示了本发明智慧型农业及环境管理系统的目标昆虫计数感测装置的示意图。图11a及图11b显示了本发明的另一实施例的智慧型农业及环境管理系统的示意图。图12a及图12b显示了本发明的另一实施例的智慧型农业及环境管理系统的示意图。图13显示了本发明的另一实施例的智慧型农业及环境管理系统的示意图。符号说明1、2、3、4、5：智慧型农业及环境管理系统10：监测区域20：监测单元20’：主监测单元30：控制单元40：目标物质施用单元40’：主目标物质施用单元50：云端60：远端操作单元65：计算单元100：控制讯号200：人工控制讯号300：管理资讯400：操作介面500、600：传输网路15：原始资料25、35、35’、55：传输单元45：目标物质2000：目标昆虫计数感测装置210：筒体220：通道230：容置装置230’：容置装置240：红外线计数器231：诱虫光源232：目标昆虫引诱剂233：费洛蒙生合成活化神经肽234：筒壁241：红外线发射器242：红外线接收器250：讯号处理器及电荷储存装置。具体实施方式下面的实施例可以使本领域技术人员更全面地理解本发明，但不以任何方式限制本发明。下面通过参照附图中所示的非限制例子来更加充分地解释本发明的态样及其特定的特征、优点以及细节。省略对已知材料、制造工具、制程技术等的说明，以免在细节上不必要地模糊本发明。不过，应当理解，用以说明本发明态样的详细说明及具体例子仅作为示例，而非限制。本领域的技术人员将会从本发明中了解在基础的发明概念的精神及/或范围内的各种替代、修改、添加及/或布局。本发明说明书及权利要求书中所使用的近似语言可用以修改任意定量的表达，其可在允许范围内变动而不会导致与其相关的基本功能的变化。因此，由一个或多个术语例如“约”修改的值不限于所指定的精确值。在一些实例中，该近似语言可对应用以测量值的仪器的精度。本发明所使用的术语仅是出于说明特定例子的目的，并非意图限制本发明。除非上下文中明确指出，否则这里所使用的单数形式“一个”以及“该”也意图包括复数形式。还应当理解，术语“包括”(以及任意形式的包括)、“具有”(以及任意形式的具有)以及“包含”(以及任意形式的包含)都是开放式连接动词。因此，“包括”、“具有”或“包含”一个或多个步骤或元件的方法或装置具有那些一个或多个步骤或元件，但并不限于仅仅具有那些一个或多个步骤或元件。类似地，“包括”、“具有”或“包含”一个或多个特征的一种方法的步骤或一种装置的元件具有那些一个或多个特征，但并不限于仅仅具有那些一个或多个特征。而且，以特定方式配置的装置或结构至少以那种方式配置，但也可以未列出的方式配置。本发明所使用的术语“连接”用于两个物理元件时，是指该两个物理元件之间的直接连接。此外，术语“耦接”用于两个物理元件时，可指该两个物理元件是直接连接或者通过一个或多个中间元件的连接。本发明所使用的术语“可”以及“可能是”表示在一系列条件下发生的可能性；具有特定的属性、特性或功能；以及/或者修饰另一动词，通过表达与该修饰动词相关联的一种或多种能力、功能或可能性的方式进行修饰。因此，考虑到在某些情况下，被修饰的术语可能有时不适当、不能够或不合适，“可”以及“可能是”的使用表示被修饰的术语明显是适当的、有能力的或适合所示性能、功能或用途。例如，在一些情况下，事件或性能可以预期，而在其它情况下，该事件或性能无法发生，这个区别由术语“可”以及“可能是”体现。下面参照附图，为有利于理解，该些附图并非按比例绘制，其中，不同附图中所使用的相同元件符号表示相同或类似的元件。图1显示本发明的智慧型农业及环境管理系统(1)，其包含监测单元(20)、传输单元(25、35、35’)、计算单元(65)、控制单元(30)、以及目标物质施用单元(40)。在智慧型农业及环境管理系统(1)中，监测单元(20)可侦测监测区域(10)中环境的原始资料(15)。一般而言，所述原始资料(15)包含监测区域(10)中的一或多种目标昆虫的种类、数量、龄数的目标昆虫资料、紫外光强度，以及除了紫外光强度外的至少一气候资料。在此，藉由龄数的判断，使得各种目标昆虫的生命周期亦列为参数，进而可推导明了目前及未来的目标昆虫的种类、数量与龄数，因此可更便于判断所需选用的目标物质的种类与浓度。另外，在一较佳实施例中，所述紫外光强度包括uvb紫外光强度、uva紫外光强度或uvc紫外光强度。原始资料(15)包括监测区域(10)中的至少一种气候资料，例如：气压、平均气压、最高气温、最低气温、平均气温、最高湿度、最低湿度、平均湿度、降雨量、平均降雨量、瞬间降雨量、风速、风向、雾霭分布程度、雾霾分布程度、照度、平均时间照度、土壤湿度、各种气体浓度等资料。此将于下文中进一步详述，且此些示例仅用于说明性目的而非用于限制本发明。监测单元(20)与传输单元(25)耦接，在监测单元(20)监测及收集原始资料(15)后，传输单元(25)进行资料接收及传输，其中，传输单元(25)包括无线通讯网或有线通讯网路。监测单元(20)于监测及收集原始资料(15)后，藉由无线通讯网将原始资料(15)传输至云端(50)。当原始资料(15)传送且被计算单元(65)接收后，计算单元(65)可基于原始资料(15)，依据策略演算法于目标物质资料库中选用针对目标昆虫的一或多种目标物质(45)。在此，目标物质资料库可为内建于计算单元(65)中的资料库，或可使计算单元(65)耦接至任何其他装置、单元或系统中的资料库，且本发明不限于此。所述目标物质资料库的建立可经由爬虫(crawler)步骤来收集登录各种待选胜肽于该目标物质资料库，并至少记录该些待选胜肽的碱基对数量、物种来源、双硫键数量、作用或毒性分子目标及针对物种、基因序列及蛋白质序列的资讯。此将于后文中详述。在如上所述选择了适用的一或多种目标物质(45)后，依据该一或多种目标物质(45)的降解数学模型，并使用原始资料(15)来计算相对应原始资料(15)的管理资讯，控制单元(30)接收该管理资讯并据以发出控制讯号(100)。而该控制讯号藉由无线通讯网路传输且为目标物质施用单元(40)所接收。接收控制讯号的目标物质施用单元(40)依据控制讯号(100)于监测区域(10)选用预定浓度及预定量的一或多种目标物质(45)。在一个实施例中，在如上所述选择了适用的一或多种目标物质(45)后，计算单元(65)依据目标物质(45)的降解数学模型及原始资料(15)来归纳出相对应原始资料(15)的管理资讯。具体而言，无线通讯网路包括蓝芽、wifi、无线电、无线射频识别(rfid)、超音波、红外线、电磁感应等无线通讯技术。云端(50)包括各种商业化、非商业化及/或自行开发的云端管理中心、云端资料库、或云端伺服器，例如联发科(mediatek)所开发的mediatekcloudsandbox的云端数据平台，但不以此为限。传输单元(25、35、35’)可结合任何中介介面或平台来建立物联网。例如，可使用台湾交通大学所研发的iot平台“iottalk”来作为架构整个智慧型农业及环境管理系统的物联网的连接桥梁。在一较佳实施例中，透过iottalk，本发明的智慧型农业及环境管理系统(1)的监测单元(20)将感测器等所侦测到的数值传送至已架设的iottalk平台，并以此为中介介面，再将数据传送至mediatekcloudsandbox，以建立线上的资料库，并进一步使用此资料库来进行数据分析，以评估或监测区域(10)的状态。当物联网设备连接至智慧型农业及环境管理系统(1)时，针对各种感测器，iottalk会自动产生或使用应用软体来处理，因此每一个输入设备可以相当方便地连接至输出设备。然而，本发明不限于此，且只要可以建立所需的沟通通讯，本发明的智慧型农业及环境管理系统(1)可使用任何用于建立物联网的技术与中介介面。中介介面系统架构包含网路部分及设备部分，其中网路部分由至少一系统组成，建立、设定及管理系统，并且系统性的将物联网设备特性分类，管理并自动设定输入及输出功能的连结，储存所有相关资讯于资料库系统。执行与通讯系统由两个子系统组成。通讯子模组系统定义为httpbasedrestfulapi(applicationprogramminginterface)，并且提供给设备应用来传送或取得输入/输出设备资讯。当物联网设备注册/取消注册(register/deregister)到该执行与通讯系统时，该设备应用会经由httpapi要求该建立、设定及管理系统去改变资料库中的设备状态。当物联网设备完成注册至该设备应用后，即可经由该执行与通讯系统彼此相互通讯。执行子模组系统代表执行网路应用中连接相关输入及输出的功能，其中，图形介面(graphicaluserinterface)提供一个方便使用者的网页介面，可用来快速建立连线以及物联网间的沟通，经由该图形介面，使用者可以指挥该中介介面系统架构去执行所需求工作，用以建立或设定设备特性、功能、以及连线设定。当传输单元(25、35、35’)为有线通讯网路的情况下，控制单元(30)可为位于云端(50)或非位于云端(50)的处理器、或同时部分位于云端(50)或部分位于非云端的处理器、计算中心、超级电脑、运算资料库等各种数据处理平台或数据处理装置。在一实施例中，一或多种目标物质(45)可选自于化学物质及生物性胜肽所组成的群组。在一其他的实施例中，举例而言，目标物质(45)可包含但不限于化学性成分或含有胜肽或蛋白质成分的杀虫剂、营养剂、除草剂、生长调节剂、酸碱调节剂、除污剂、抗冻剂、分解剂等各种农药、肥料、农用物质或环境用物质。此外，监测区域(10)包括田野、山区、湖泊、溪流、沙滩、海域、湿地、温室、住宅区、公园、运动场地等各种场景。具体而言，根据一较佳实施例，目标物质(45)包括具有三个双硫键与球状二级结构的μ-segestritoxin-sf1a，且监测区域(10)包括受到双翅目及鳞翅目的害虫侵扰的区域。在此情况下，选用的μ-segestritoxin-sf1a可使区域中的害虫减缓行动或瘫痪而减少啃食作物，且最终可能使害虫因饥饿致使死亡。根据另一实施例，目标物质(45)可为具有类似于μ-segestritoxin-sf1a的双硫键及球状二级结构的ω-hexatoxin-hv1a(hv1a)。上述对于目标物质(45)及监测区域(10)的举例仅为说明，且在符合本发明的意旨下，目标物质(45)及区域(10)并不限于上述的示例。根据所选用的目标物质(45)的种类，控制单元(30)接着可发出控制讯号(100)，以使目标物质施用单元(40)选用所选定的目标物质(45)于监测区域(10)中。再进一步而言，当选用一或多种目标物质(45)为化学物质时，计算单元(65)可利用藉由使用至少一种气候资料所推导的化学物质的降解速率模型来进行计算；而当选用一或多种目标物质(45)为生物性胜肽时，计算单元(65)可利用藉由至少使用紫外光强度所推导的生物性胜肽的降解速率模型来进行计算。接着，计算单元(30)可根据所计算的一或多种目标物质(45)的降解状态来调整及控制要使目标物质施用单元(40)施加于监测区域(10)中的目标物质(45)的预定数量及预定浓度。因此，可使得该监测区域(10)中目标物质(45)维持可针对目标昆虫作用或毒害的程度，且减少可能的过度累积。在一实施例中，根据所选用的目标物质(45)的种类，控制单元(30)可发出控制讯号(100)，以使目标物质施用单元(40)施用所选定的目标物质(45)于监测区域(10)中。再进一步而言，当所选用的一或多种目标物质(45)为化学物质时，控制单元(30)亦可使用至少一气候资料所推导的化学物质的降解速率模型来进行计算；而当所选用的一或多种目标物质(45)为生物性胜肽时，控制单元(30)亦可使用紫外光强度所推导的生物性胜肽的降解速率模型来进行计算。接着，控制单元(30)亦可根据所计算的一或多种目标物质(45)的降解状态来调整及控制要使目标物质施用单元(40)施加于监测区域(10)中的目标物质(45)的预定数量及预定浓度。因此，可使得监测区域(10)中目标物质(45)维持可针对目标昆虫(45)作用或毒害的程度，且减少可能的过度累积。在一实施例中，目标物质施用单元(40)包括固态、液态或气态供给装置，且在接收指定一预定量的控制讯号(100)后，以固态、液态或气态供给方式将预定浓度或预定量的目标物质选用到监测区域(10)中。然而，本发明不限于此，且目标物质施用单元(40)包括可藉由各种方式将目标物质(45)选用至监测区域(10)中的各种装置。举例而言，目标物质施用单元(40)包括流放或喷洒装置，且例如可藉由流放的方式，将包含目标物质(45)的营养剂释放至流通灌溉渠道中，随着另外的灌溉管道或方式分布到标的监测区域(10)中。然而，本发明不限于此，且流放或喷洒装置包括适用固态、气态或液态的装置。承上所述，只要可检测所需的原始资料(15)或释放目标物质(45)于监测区域(10)中，监测单元(20)与目标物质施用单元(40)可位于监测区域(10)内或位于监测区域(10)之外。在一实施例中，计算单元(65)是使用策略演算法及降解数学模型的架构与运算。策略演算法所使用的目标物质资料库可为已知的一或多个目标物质资料库，或为搭配本发明的一实施例的计算单元(65)所建立的目标物质资料库。当目标物质资料库搭配计算单元(65)建立时，可藉由爬虫(crawler)步骤来收集登录各种待选胜肽于该目标物质资料库。详细而言，可自各种蛋白质资料库以及针对族群、毒性的研究成果所发表的论文上收集毒性或作用胜肽的资料来建立资料库。在一实施例中，控制单元(30)是使用策略演算法及降解数学模型的架构与运算。策略演算法所使用的目标物质资料库可为已知的一或多个目标物质资料库，或为搭配本发明的一实施例的控制单元(30)所建立的目标物质资料库。当目标物质资料库搭配控制单元(30)建立时，可藉由爬虫(crawler)步骤来收集登录各种待选胜肽于该目标物质资料库。详细而言，可自各种蛋白质资料库以及针对族群、毒性的研究成果所发表的论文上收集毒性或作用胜肽的资料来建立资料库。举例而言，根据本发明的一实施例，当目标为可对斜纹夜盗蛾(鳞翅目)具口服毒性的毒素时，可在uniprotkb/swiss-prot上搜寻“insecticidalnotcrystal”(含有“杀虫”，但不含有“结晶”)，来找出所有含有杀虫活性，但不包括苏力菌的结晶蛋白的蛋白质。承上所述，根据所得的216个蛋白质，自uniprot记录登录11项蛋白质的资讯于所述目标物质资料库中，包括蛋白质名字、功能、物种、胺基酸序列、胺基酸长度、双硫键数量、原胜肽(pro-peptide)、讯息胜肽、主链、uniprot条目号和arachnoserver编号，并以此建立目标物质资料库。具体而言，所述蛋白质名字、功能、物种、胺基酸序列、胺基酸长度、双硫键数量为蛋白质的基本资料，而功能为蛋白质功能的叙述，物种为胺基酸序列的来源物种。原胜肽和讯息胜肽代表胺基酸序列在n-端是否存在成熟或活化时会切断的序列。若蛋白质含有原胜肽或讯息胜肽，则需另外收集完整的胺基酸序列以及其成熟胺基酸序列(称为主链)。在此，uniprot条目号为蛋白质在uniprotkb中的登录号，arachnoserverid则是另一个蜘蛛毒素资料库arachnoserver的登录号。再进一步而言，可从arachnoserver中收集7个有关于蛋白质毒性的资料：分子目标、针对物种、半数有效量、半数致死量、半数瘫痪量、定性描述、蛋白质序列以助于参考。其中，分子目标为毒胜肽的作用位置，如电压门控离子通道、抑制性神经传导物质(例如：gaba)受器等。针对物种、半数有效量、半数致死量、半数瘫痪量、定性描述则来自于实验的结果。承上所述，藉由爬虫步骤，可建立计算单元(65)中所运用的目标物质资料库。承上所述，藉由爬虫步骤，可建立控制单元(30)中所运用的目标物质资料库。然而，上述的爬虫步骤仅为示例，且只要在至少记录待选胜肽的碱基对数量、物种来源、双硫键数量、作用或毒性分子目标及针对物种、基因序列及蛋白质序列的资讯并符合本发明的意旨下，爬虫步骤可由各种方式设定各种参数来进行。此外，在计算单元(65)直接使用已知的一或多个目标物质资料库下，计算单元(65)亦可先实施爬虫步骤来抽出待选目标物质(45)。在一实施例中，计算单元(65)可基于目标物质资料库或基于所抽出的待选目标物质来进行过滤步骤及筛选步骤。具体而言，根据本发明的一实施例的计算单元(65)使用策略演算法，其包含搜寻适用于生物性胜肽的以下步骤：过滤步骤，自上述目标物质资料库或基于所抽出的待选目标物质来搜寻同时具有预设数量碱基对、预设物种来源、大于或等于预设双硫键数量的胜肽，再从搜寻结果中依序以分子目标及针对物种含有非脊椎、分子目标及针对物种针对目标昆虫，且小于预定双硫键数量的胜肽的条件进行过滤；以及选择步骤，使用蛋白质基础局部配对搜寻工具(例如proteinblast)及多重配对工具(例如cobalt)来依据相似序列性对从过滤步骤中获得的胜肽分组，自分组结果中包含胜肽数量最多的前一或多个组别中找寻共有结构域，并依共有结构域挑选在前一或多个组别中具该共有结构域的代表性牲肽作为目标物质。在此，过滤步骤中设定的预设数量碱基对可基于作用或毒性针对目标昆虫的特定作用结构域而选定。举例来说，约有90％的蜘蛛毒胜肽含有抑制子半胱胺酸结构模体(inhibitorcystineknot，ick)结构，此结构也是最主要针对目标昆虫的电压门控离子通道和一些其他受器作用的位置。因此，目标昆虫的特定作用结构域可为抑制子半胱胺酸结构模体的结构，且过滤步骤中设定的预设数量碱基对可基于ick结构而选定。承上所述，ick结构的分子量在1至10kda之间，以及含有至少3个双硫键。因此，根据本发明的一实施例，为了自依据上述实施例的爬虫步骤所建立的216个蛋白质中找到所需生物性胜肽，可于该过滤步骤中设定三个筛选条件：预设数量碱基对、预设物种来源、预设双硫键数量；其中，预设数量碱基对设定为27到271碱基对(1kda的蛋白质平均含有9个胺基酸，也就是27个碱基对)、预设物种来源设定为蜘蛛或狼蛛、预设双硫键数量设定大于或等于3，或为小于4。最后，依此可筛选得到113个胜肽。在一实施例中，为了自上述113个胜肽进一步筛选，依序进行：藉由分子目标含有“非脊椎”进行筛选，但是保留没有相对应资料的胜肽(结果63个胜肽)；由于根据此实施例的目标昆虫为斜纹夜蛾，自筛选后剩下的胜肽(共有14种不同的针对物种，其中包含了4种鳞翅目的昆虫)检索针对物种包含至少一种spodopteralitura,heliothisvirescens,manducasexta及spodopteraexigua，但是保留没有资料的胜肽。再来，考量人工量产胜肽的限制性，设定预定双硫键数量的上限。例如，人工量产可能使用e.coli来生产胜肽，而e.coli(例如：e.colirosetta-gami品种)一般难以表现含有双硫键的蛋白质。因此，为了确保所选用的胜肽可由人工制造，可设定预定双硫键数量为小于4来过滤掉过多双硫键的胜肽。承上所述，可得到46个胜肽，且这些胜肽的分子目标都是电压门控离子通道(不包含没有资料)。在一实施例中，在最后的选择步骤中，可利用ncbi的线上分析工具来处理这些胜肽。具体而言，可先使用蛋白质基础局部配对搜寻工具(proteinblast)，找出分别与此46个胜肽相似的胺基酸序列，并依此将46个胜肽分组。接着，使用多重配对工具(cobalt)来找出组内与组间的相似关系，并将因为支链等因素而在前一步骤没有分在一组的组别合并。最后，将46个胜肽分为了4组，分别有27、12、3、2个胜肽，以及2个单独的胜肽。完成上述过程后，再用结构域搜寻，找出最大的3个组分别共有的结构域。如第二大的组别，能够发现其皆属于toxin_28superfamily(cl06928)。其中，括号内的字串为蛋白质结构域家族资料库内的编号。最后，在这46个胜肽中，选择这些结构域家族的代表性胜肽来验证设计。根据本发明的此示范性实施例，代表性胜肽为hv1a、sf1a、oaip。承上所述，在一较佳实施例中，可使用具有多个双硫键与球状二级结构的原态蛋白质作为目标物质(45)。举例而言，可使用ω-hexatoxin-hv1a(hv1a)或μ-segestritoxin-sf1a的生物性驱虫剂作为目标物质(45)。其中，ω-hexatoxin-hv1a(hv1a)及μ-segestritoxin-sf1a包含具多个双硫键的稳定球型结构域，抑制子半胱胺酸结构模体(ick)，故使其具有较高的稳定性。上述实施爬虫步骤、过滤步骤及选择步骤的过程仅为示例，且在符合本发明的意旨下，爬虫步骤、过滤步骤和选择步骤可依据需求及要求设定参数及内容。此外，目标物质资料库亦可包含化学性物质，且挑选化学性物质及生物性胜肽的过程可分别或整合进行。再进一步而言，依据上述原始资料(15)亦可包含一或多种目标昆虫的种类、数量、龄数的目标昆虫资料，可相应地挑选对应同一目标昆虫的不同时期(龄数)的有效目标物质(45)。例如，可依据收集到的目标昆虫的幼虫数过高选用针对目标昆虫的幼虫的目标物质(45)等。承上所述，当目标物质(45)为化学性物质时，可以基于该化学性物质相对于温度、湿度、降水等至少一气候资料的降解关系所推导的降解数学模型来归纳管理资讯。详细而言，可针对每种登录的化学性物质，针对其对于气候资料所反应的关系进行数学化，经由机器学习、人工智慧及经济学赔率模型去预测并调整套用其降解模型。另外，为了预测类似于ω-hexatoxin-hv1a(hv1a)或μ-segestritoxin-sf1a，且具有稳定蛋白质结构的原态蛋白质的选用时机或时间间隔，计算单元(65)可使用生物性胜肽(蛋白质)相对于紫外光强度的降解关系所推导的降解数学模型来归纳管理资讯。在一或多种目标物质为生物性胜肽的情况下，为了建立以蛋白质的降解速率为基础的数学模型，首先须研究蛋白质可能的降解途径。其中，蛋白质可能的降解途径分别为水解、蛋白酶降解以及紫外光辐射分解。在一实施例中，由于此类原态蛋白质的生物性驱虫剂的驱虫效果来自于其三级结构，若变性成线性蛋白质，亦视为被降解，故变性成线性蛋白质的速率亦须考量在数学模型中。以下分别依据图2至图9，针对这四种途径进一步详细的分析说明。根据图2及图3的水解途径的分析，蛋白质可以经由水解而变回组成的胺基酸。由于水解是反应机构为亲核分子攻击酰胺基的碳而打断肽键的e2反应，其反应速率是由亲核分子及蛋白质的浓度决定。水解途径的反应速率方程式1如下：反应速率方程式1：其中，[p]为胜肽或蛋白质的浓度，kh为水解的反应速率常数，ka、kn、kb为与酸碱值有关，用来决定kh的参数。对于此类蛋白质的生物性驱虫剂，发明人在实际运用于田野时，因为其所在环境的酸碱值变动不大，故可以将kh视为一个固定的常数。因此，水解反应的降解速率正比于蛋白质的浓度，蛋白质浓度会呈现指数衰减的趋势。为了测试水解反应的降解性质，发明人测试球型(原态)和线性的hv1a在4℃中性pbs(phosphatebufferedsaline,ph＝7.2-7.5)的水解稳定性。当hv1a在4℃中性pbs经过1天及7天后，发明人以十二烷基硫酸钠聚丙烯酰胺凝胶电泳(sds-page，sodiumdodecylsulfatepolyacrylamidegelelectrophoresis)及imagej软体计算剩余的蛋白质浓度。图2及图3显示相关结果，其中图2为hv1a(蛋白质分子量为5.3kda)及蛋白质标记的十二烷基硫酸钠聚丙烯酰胺凝胶电泳图，而图3为hv1a-凝集素(hl，蛋白质分子量为17.1kda)及蛋白质标记的十二烷基硫酸钠聚丙烯酰胺凝胶电泳图。其中，“凝集素”是雪花莲凝集素(snowdroplectin)，且hv1a-凝集素代表hv1a与雪花莲凝集素的融合蛋白。在一些实施例中，雪花莲凝集素可用于协助生物性驱虫剂以口服途径传递至昆虫肠上皮，接着通过肠壁进入昆虫的血淋巴。由图2及图3的实验结果发现，球型hv1a的浓度在一天及七天后变化不大(一天：98％、七天：87％)，而线性hv1a在一天后只剩下9％，在七天后几乎都已降解。hv1a-凝集素也有类似的结果。球型hv1a-凝集素在七天内皆不会被降解(一天：110％、七天：105％)，但线性hv1a-凝集素在一天后剩下16％，七天后只剩下3％。从实验结果可以推断出，球型蛋白质(原态蛋白质)在4℃中性pbs中，七天内并不会被水解，或是水解速率很慢，但线性蛋白质会随着时间快速地降解。根据图4至图6及表1来探讨蛋白酶对于目标胜肽或蛋白质的降解速率，发明人是运用米氏动力学(michaelis-mentenkinetics)来模拟因蛋白酶产生的降解速率。由于蛋白酶降解途径的反应速率取决于蛋白酶与作用位置结合的速率，且在体外的蛋白酶降解因为变性蛋白质会被迅速的降解而可被视为是不可逆的。蛋白酶降解途径的反应速率方程式2如下所示(考虑速率限制步骤)：方程式2：其中，[p]为胜肽或蛋白质的浓度，vm,p为蛋白酶降解的最大速率，为酵素总浓度与蛋白酶转换率kcat的乘积，取决于不同的受质，需从实验结果求得。km,p为米氏常数，也代表当反应速率为vm,p一半时的受质浓度。基于体外的蛋白酶通常皆为活化态且保持平衡，可假设vm,p为常数，来代表环境中所有蛋白酶的等效最大反应速率。在测试蛋白酶的降解性质方面，发明人设计两个实验以测试生物性驱虫剂hv1a及hv1a-凝集素对蛋白酶的抗性。第一个实验为球型蛋白质和线性蛋白质在蛋白酶的作用下，一天的内的降解程度(图4及图5)；另一个实验为线性蛋白质在4小时内的降解速率(图6及表1)。在第一个实验中，蛋白质被溶在中性pbs中(ph＝7.2-7.5)，并添加丝氨酸蛋白酶(胰蛋白酶)于37℃中反应一天。上述测试结果显示于图4及图5，其中，图4为经胰蛋白酶作用一天后，hv1a(蛋白质分子量为5.3kda)及蛋白质标记的十二烷基硫酸钠聚丙烯酰胺凝胶电泳图，而图5为经胰蛋白酶作用一天后，hv1a-凝集素(hl，蛋白质分子量为17.1kda)及蛋白质标记的十二烷基硫酸钠聚丙烯酰胺凝胶电泳图。上述实验结果显示，两种球型蛋白质皆表现出对胰蛋白酶的抗性(111％和100％)，而线性蛋白质则会被胰蛋白酶降解(剩下67％和18％)。而在第二个实验中，发明人测量在4小时内，线性蛋白质的降解速率，并以lineweaver–burkplot(亦称作双倒数图)来求得线性hv1a和线性hv1a-凝集素的vm,p和km,p。上述结果显示于图6及下列表1。表1：线性hv1a和线性hv1a-凝集素的vm,p和km,phv1a(无凝集素)hv1a-凝集素vm,p(μg/mlmin)39.2216.50km,p(μg/ml)927.29384.47承上所述，将参照图7a至图9探讨由于光照所分解蛋白质的降解速率。溶剂(通常为水)受到光照中的紫外光照射后，会产生高活性的自由基分子，这些自由基分子经过传播过程，直到终止前，都能够攻击蛋白质并打断共价键，而使蛋白质降解。发明人将实际上较为复杂的自由基反应机制简化成与自由基浓度的未知次方n有关，可以推导出蛋白质的紫外光辐射分解的速率方程式3及方程式4，并如下所示：方程式3：方程式4：在上列方程式3及4中，其中，[radical]代表自由基的总浓度，[p]代表胜肽或蛋白质浓度，gγ代表溶剂在单位时间内，每单位质量所吸收的辐射能量(对于水来说为1.42gy/s)，aγ代表溶剂每吸收一单位能量可以产生的自由基数量(对于水来说为0.045μmol/j)，i代表太阳光中紫外光uvb的强度，可由紫外光强度传感器(uvm30a)或其他感测器测量而得，rt代表自由基终止反应的速率常数，约为2.365×10-7mol-1·s-1，kuv代表紫外光辐射分解的速率常数，可以由实验结果求得，在模拟时发明人使用44mol-1·s-1进行分析。上述的方程式3及4仅为示例，且在符合本发明的意旨下，更包含任何后续相关修正项，以增加预测正确的降解速率，其中，该修正项是依据上述的至少一气候资料所产生相关参数并进行降解速率准确性的相关修正或收敛。由于自然环境中的溶剂一般为水，故接下来的模拟及实验皆利用水作为溶剂。依据上述方程式，发明人使用matlab计算软体模拟紫外光辐射分解的降解速率。如图7a至图7f所示，降解速率随着n的增加也越加快速，而且最终会被完全降解，该推导出的数学模型符合在自然界中使用的状况。为了进一步推导方程式3及方程式4，发明人进一步将四种不同的生物性驱虫剂(hv1a、sf1a、oaip及hv1a-凝集素)的球型蛋白质，放置于紫外光透射仪(uvb，实验条件为波长302nm及强度50mw/m2)下照射2小时。oaip是来自澳大利亚狼蛛的毒素的口服活性杀虫剂缩氨酸(orallyactiveinsecticidalpeptide)的简称。在图8中的实验结果显示，四种蛋白质降解的情形皆符合上述的推导模型。在上述结果中，不含有凝集素及含有凝集素的蛋白质在降解速率上有很明显的差异。对于此结果，一种可能的原因为越长的蛋白质有越高的机率被自由基攻击，因而有较快的降解速率。发明人将实验结果与模型(方程式4)进行匹配，进而得到模型中的常数n约为0.78。hv1a、sf1a、oaip及hv1a-凝集素的kuv则分别为2.4、7.8、15.7及90.3。为了验证上述推导，发明人将hv1a-凝集素放置于不同强度的紫外光透射仪(uvb，波长为286nm及强度为36.4mw/m2)进行测试，并以上述结果进行降解速率的模拟，再与实际实验结果进行比较，比较结果显示于图9，可得知推导模型可预测蛋白质的降解情形。发明人针对水解、蛋白酶以及紫外光辐射等三种对于蛋白质降解的影响途径进行探讨，并以此建立控制单元(30)所使用的数学模型。蛋白质实际上的降解速率应为三种途径的总和再加上转变成线性蛋白质的速率rss。降解速率方程式5整理后如下所示：方程式5：依据降解速率方程式5，经过实验测试后，由于球型蛋白质对于水解、蛋白酶都有很高的抗性，故kh和vm,p相较于kuv要小的多。承上所述，基本上水解的降解速率与蛋白酶的降解速率相较于紫外光辐射的降解速率皆可忽略不计。另外，因为蛋白质的双硫键提供了很高的稳定性，所以在大自然中，转变成线性蛋白质的速率rss相较于紫外光辐射分解的降解速率亦可忽略不计。因此，降解速率方程式5可以进一步简化成上述的方程式4，且可搭配上述紫外光辐射分解的自由基相关方程式3来进行推导：方程式3：方程式4：其中，kuv代表相对应于目标胜肽的紫外光辐射分解速率常数，[radical]代表自由基总浓度，[p]代表前一次选用的目标胜肽的胜肽浓度，gγ代表目标胜肽的溶剂在单位时间内每单位质量所吸收的辐射能量，aγ代表溶剂每吸收一单位能量所产生的自由基数量，i代表uvb紫外光强度，rt代表自由基终止反应的速率常数，n＝0.6-0.9，t代表降解时间。因此，根据上述方程式3及方程式4的数学模型，能够依据紫外光强度来准确模拟胜肽的降解速率。根据智慧型农业及环境管理系统(1)经由物联网沟通监测单元(20)、控制单元(30)、计算单元(65)、传输单元(25、35、35’)以及目标物质施用单元(40)，并根据上述各种数学模型来评估需施用目标物质(45)的时机、次数、原因、种类或时间间隔。在一实施例中，原始资料(15)包含紫外光强度，特别是uvb紫外光强度。在此情况下，监测单元(20)侦测感知紫外光强度后，将紫外光强度的原始资料(15)传送至计算单元(65)。接着，计算单元(65)依据紫外光强度套用数学模型，以评估以生物性胜肽为目标物质(45)的降解程度，进而在目标物质(45)缺乏或即将缺乏时命令目标物质施用单元(40)施用目标物质(45)。上述根据本发明的一较佳实施例所使用的原始资料及数学模型的架构与运算仅为示例，本发明不限于此。具体而言，除了上述原始资料(15)以及目标物质(45)的降解程度的数学模型外，本发明的智慧型农业及环境管理系统(1)的原始资料(15)与数学模型可单独或进一步包含其他参数及推导方程式。图10显示根据在原始资料(15)包含一或多种目标昆虫的采样数量下，监测单元(20)可包含或可单独为目标昆虫计数感测装置(2000)。目标昆虫计数感测装置(2000)可包括捕虫容器，其包含具有一或多个闸口(211)设置于筒壁(234)上的筒体(210)、一端连通闸口(211)且另外一端连通容置装置(230)的通道(220)、以及容置装置(230、230’)。筒体(210)可用于保护整个目标昆虫计数感测装置(2000)，且目标昆虫可藉由闸口(211)进入目标昆虫计数感测装置(2000)中。此外，在一较佳实施例中，方形孔洞或梯形孔洞的六个闸口(211)可分别设于六角型筒体(210)的六面下方，以使目标昆虫可以进入，且相较于设置于上方的情况，设于下方的闸口(211)于降雨时较不易使雨水灌入。在此，外壳型状、开口的大小、数量及位置均仅为示例，本发明不限于此。上述目标昆虫计数感测装置(2000)的容置装置(230、230’)可包含诱虫光源(231)、目标昆虫引诱剂(232)、以及费洛蒙生合成活化神经肽(pban)(233)中的至少一种。具体而言，诱虫光源(231)所产生的色光、目标昆虫引诱剂(232)以及由目标昆虫摄入费洛蒙生合成活化神经肽(233)所合成的费洛蒙具有吸引目标昆虫的能力。举例而言，诱虫光源(231)可为市售的蓝光发光二极体(led)所焊接成的灯条，并以热熔胶黏着于容置装置(230或230’)上，例如压克力箱体上。在诱虫光源(231)为蓝光发光二极体(led)的情况下，会被蓝光吸引的目标昆虫，例如斜纹夜盗蛾，可较容易被吸引而进入容置装置(230及230’)中。此外，可于容置装置(230及230’)中另外设置目标昆虫喜欢的食物、营养剂、或气味散发剂等的目标昆虫引诱剂(232)，以使目标昆虫被吸引而进入容置装置(230及230’)中。亦或可于容置装置(230及230’)中另外设置费洛蒙生合成活化神经肽(233)。当目标昆虫进入容置装置(230及230’)中并摄取费洛蒙生合成活化神经肽(233)时，费洛蒙生合成活化神经肽(233)会刺激目标昆虫释放费洛蒙，所释放的费洛蒙会更进一步专一性地吸引更多该目标昆虫进入容置装置(230及230’)中。在上述示例中，容置装置(230及230’)可仅包含诱虫光源(231)、目标昆虫引诱剂(232)或费洛蒙生合成活化神经肽(233)中的一种，亦或是容置装置(230及230’)可包含诱虫光源(231)、目标昆虫引诱剂(232)或费洛蒙生合成活化神经肽(233)中多个的组合。根据本发明实施例的目标昆虫计数感测装置(2000)，于单向通行闸口(211)上另外设置有红外线计数器(240)，以在目标昆虫经过单向通行闸口(211)时计算通过的目标昆虫数量。举例而言，红外线计数器(240)可设置于单向通行闸口(211)或通道(220)上。当目标昆虫经过单向通行闸口(211)或通道(220)而截断由红外线发射器(241)所发出的红外线时，目标昆虫计数感测装置(2000)会记录红外线接收器(242)未接收到红外线的次数，用以计算目标昆虫的采样数量。在一实施例中，可包含两组红外线侦测器，且当两组红外线侦测器的红外线被依序截断时，才会记录为目标昆虫的采样数量，以避免目标昆虫在通道中振翅或徘徊等情况造成的误计。于此，红外线计数器仅为示例，只要可侦测目标昆虫的采样数量，则计数器可为各种装置。除了上述装置外，目标昆虫计数感测装置(2000)可进一步包含讯号处理器及电荷储存装置(250)，讯号处理器及电荷储存装置(250)可提供目标昆虫计数感测装置(2000)所需的能源及/或初步处理并传输来自红外线计数器(240)所计数的原始资料(15)至计算单元(65)。举例而言，讯号处理器及电荷储存装置(250)可为arduinomega2560开发板，且arduinomega2560开发板将原始资料(15)透过i2c方式传至linkitsmart7688duo开发板进行云端上传至控制单元或其他装置(例如，手机app)来达到监测目的。其中，linkitsmart7688duo开发板可具有mpu及mcu(例如：联发科晶片与arduino晶片)，且mcu接收原始资料(15)再传输至mpu，而mpu进行运算处理成所需的资讯。再进一步而言，例如，mcu可为atmega32u4，且mpu可为mt7688an。然而，本发明不限于此，且只要可进行上述微控功能的任何线路、晶片、电路、装置等皆可用于作为讯号处理器及电荷储存装置(250)。例如，可以mcp23008/mcp23s17ic进行i/o扩充辅以ne555来取代arduinomega2560开发板。在一实施例中，容置装置(230及230’)可包含筒壁(234)及由筒壁(234)所包围的容置空间，且该容置空间通过倾斜隔间装置分隔成倒锥空间及陷阱空间。其中，该倒锥空间的上部分具有连通通道的一或多个入口，且该倒锥空间的下部分具有通往陷阱空间的连接口。在此情况下，设计为倒金字塔型的倒锥空间使目标昆虫能够方便进入下方陷阱空间中但却不易逃出，进而达到诱捕的目的。在此，倒锥空间的入口及连接口的比例是为了方便说明起见而概略绘示，且其尺寸及相对比例可非为图中所示。例如，在一较佳实施例中，连接口可远远小于入口。举例而言，连接口与入口的大小比例可为1：2、1：3、1：4、1：5、1：10、1：12、1：15、或1：20等，且不限于此。根据上述实施例，目标昆虫引诱剂(232)以及费洛蒙生合成活化神经肽(233)可以置放在陷阱空间中。然而，根据本发明的一较佳实施例，目标昆虫引诱剂(232)以及费洛蒙生合成活化神经肽(233)可设置于倒锥空间中，以更轻易地吸引目标昆虫。举例而言，可在孔洞塞以棉花或卫生纸的类纤维性物质，以毛细现象将液态的诱饵吸上，或可在连接口的部分范围设置支撑板或隔板，且将目标昆虫引诱剂(232)以及费洛蒙生合成活化神经肽(233)放置于支撑板或隔板上。然而，上述仅为示例，且只要可吸引目标昆虫，目标昆虫引诱剂(232)以及费洛蒙生合成活化神经肽(233)可依据需求设置于上述的任何结构中，且不限于在此所具体列出的实施例。此外，上述设计亦可分别分隔成不同夹层空间。举例而言，可分别将倒锥空间及陷阱空间分隔成一个以上的夹层空间，各夹层空间放置针对不同目标昆虫的费洛蒙诱饵或泡开的费洛蒙生合成活化神经肽(233)，并设置孔洞，塞以棉花或卫生纸的类纤维性物质，以毛细现象将液态的诱饵吸上供目标昆虫食用，进而吸引不同特定目标昆虫。在上述倒锥空间及陷阱空间的设计下，可另外搭配通道(220)，如用3d列印的“弓”字形体或是迷宫式通道，放入红外线发射器(241)及红外线接收器(242)来计算通过不同通道(220)进入不同夹层空间的目标昆虫数量。在此，目标昆虫计数感测装置(2000)的筒体(210)、筒壁(234)、用于分隔出倒锥空间及陷阱空间的倾斜隔间装置、用于分隔针对不同目标昆虫的夹层空间的隔件及/或其他空间设置分隔用件可为压克力、玻璃、不锈钢、金属、合金或3d列印材料等。然而，本发明不限于此。且在符合本发明的意旨下，筒体(210)、筒壁(234)、倾斜隔间装置、隔件及/或其他空间设置分隔用件可为各种材料及尺寸。上述对于目标昆虫计数感测装置(2000)的说明皆为示例，且在符合本发明的意旨下，目标昆虫计数感测装置(2000)的配置及设计可具有各种变化或可搭配其他装置或结构来组合运用。在监测单元(20)包含目标昆虫计数感测装置(2000)以使原始资料(15)包含一或多种目标昆虫的采样数量的情况下，控制单元(30)可进一步依据一或多种目标昆虫的采样数量是否超过预设量，而发出控制讯号(100)，使目标物质施用单元(40)施用杀虫剂或驱虫剂。昆虫营养剂等为减少或增加目标昆虫的管控用物质。在此情况下，控制单元(30)的数学模型可为一或多种目标昆虫的采样数量与上述降解速率各别以不同权重衡量的整合数学模型。然而，本发明不限于此，且计算单元(65)的数学模型亦可仅以一或多种目标昆虫的采样数量或上述降解速率来建立。在一实施例中，控制单元(30)的数学模型可利用不同参数及一或多种目标昆虫的采样数量来预期未来的目标昆虫数量，而提前或在适当时机选用目标物质(45)。亦即，计算单元(65)的数学模型可包含目标昆虫预测模型。举例而言，在一实施例中，目标物质(45)可能对于特定生长时期的目标昆虫具有专一性，而对相同目标昆虫的其他生长时期不具有专一性。因此，根据本发明，可进一步监测过去一段期间内的原始资料来预测特定时期的目标昆虫数量。例如，若目标昆虫为蛾类，且目标胜肽对于蛾类的幼虫较为有效，而危害农作物的主要是蛾类的幼虫时，由于蛾类从蛹变成蛾的时间从6天到14天不等，可依此设定需监测过去20天蛾的积累数量(于第20天捕获的蛾在第1天一定是幼虫，然而此仅为示例，且亦可设定其他数值)，以作为预测模型的目标。建立此预测模型可适时选用目标胜肽影响蛾类的幼虫，以管控未来可能的蛾类的成虫的数量。在一实施例中，发明人设计原始资料可包含过去20天的气压、平均气压、最高气温、最低气温、平均气温、最高湿度、最低湿度、平均湿度、降雨量、平均降雨量、瞬间降雨量、风速、风向、雾霭分布程度、雾霾分布程度、照度、平均时间照度、土壤湿度、各种气体浓度等至少一资料以及累积的目标昆虫的采样数量。依据此较佳实施例，监测单元(20)可进一步包含用于侦测上述原始资料(15)的各种习知或未来开发的感测器或感测装置。在此情况下，预测模型可使用python3.5，利用递归神经网络(rnn)和人工神经网络(ann)的组合以tensorflow的深层学习框架所构建，并以上述原始资料来修正训练预测模型。其中，上述20天的7个特征总共140个特征是藉由递归神经网络依据时间序列先压缩成7个压缩特征，7个压缩特征(气候资料)、与第1天至第10天的累积蛾类的成虫数量及第10天至第20天的累积蛾类的成虫数量(补充的两个特征)共9个特征神经元，再输入至人工神经网络来预测结果。借着计算实际答案和输出之间的误差，使用梯度下降和反向传播来修改每个网络中每个神经元的权重。经过训练后，发明人得到具有约80％的准确性的预测模型。然而，本发明不限于此，且可持续使用在区域(10)中收集的数据来重新训练修正预测模型，并可依据不同场地区域重新修改并训练以获得特定预测模型。尽管上述使用了过去20天的气压、平均气压、最高气温、最低气温、平均气温、最高湿度、最低湿度、平均湿度、降雨量、平均降雨量、瞬间降雨量、风速、风向、雾霭分布程度、雾霾分布程度、照度、平均时间照度、土壤湿度、各种气体浓度等至少一种资料以及累积的目标昆虫的采样数量来修正训练神经网络的人工智慧模型，然而本发明不限于此。举例而言，依据不同目标昆虫或目标胜肽的不同生长期针对性，可使用即时、过去1天、过去3天、过去5天、过去10天、过去15天、或过去30天等不同的时间期间来收集预测模型的原始资料(15)，且可使用气压、最高气温、最低气温、平均气温、湿度、降水、风速的一或多个的组合来搭配修正训练模型，亦或是使用上述特征外的原始资料(15)来修正模型。例如，可使用上述特征以外的气候参数，或者是气候参数以外的不同环境参数，包含但不限于以上所述者来修正训练模型。接下来，将参照图11a至图13说明根据本发明的其他实施例的智慧型农业及环境管理系统。在图11a至图13中，将主要说明与图1不同的差异，且于图1中已详细说明的细节将为了简洁及清晰起见而简略叙述或省略。首先，参照图11a，智慧型农业及环境管理系统(2)进一步包含远端操作单元(60)。远端操作单元(60)从计算单元(65)经由无线通讯网路(55)接收并显示原始资料(15)、管理资讯或原始资料(15)与管理资讯的组合，且具有操作介面以选择性地发出人工控制讯号(200)至目标物质施用单元(40)以施用目标物质(45)。举例而言，参照图11b，远端操作单元(60)可为智慧型手机，且使用者可从智慧型手机接收原始资料(15)或者是经控制单元(30)或计算单元(65)处理过后的管理资讯(300)。具体而言，智慧型手机可直接显示包含温度、风速、湿度、及目标昆虫采样数量等的原始资料(15)，并显示经计算单元(65)或是控制单元(30)处理计算后建议使用者的处理资讯(300)。使用者在参考上述原始资料(15)、处理资讯(300)或两者的组合后，可藉由操作介面(400)决定是否施加目标物质(45)，且所下的指令将藉由人工控制讯号(200)传输至目标物质施用单元(40)采取行动。在一实施例中，根据图12a，智慧型农业及环境管理系统(3)的监测单元可分为监测单元(20)与主监测单元(20’)，且自每个监测单元(20)于监测区域(10)的不同区块中收集到的原始资料(15)会先经由例如蓝芽的传输网路(500)传输至主监测单元(20’)。主监测单元(20’)在汇整来自各监测单元(20)的原始资料(15)后，再如图1所示，经由传输单元(25)传输至计算单元(65)或控制单元(30)。在一实施例中，根据图12b，智慧型农业及环境管理系统(4)的目标物质施用单元可分为目标物质施用单元(40)与主目标物质施用单元(40’)，且来自控制单元(30)、计算单元(65)或远端操作单元(60)的指令先传输至主目标物质施用单元(40’)，再经由例如蓝芽的传输网路(600)传输并控制各目标物质施用单元(40)于监测区域(10)中的不同区块中的选用。在图12a及图12b中，为了方便说明起见，智慧型农业及环境管理系统中与监测单元或目标物质施用单元无关的其他装置将予于省略。此外，图12a及图12b所示的配置可与上述其他实施例的智慧型农业及环境管理系统的态样进行组合，以使包含田野或其他场地的区域(10)的监测与管控变得更为精准。在一实施例中，图13与图1所示的智慧型农业及环境管理系统(1)不同，智慧型农业及环境管理系统(5)亦可将监测单元(20)所接收的原始资料(15)直接传输至目标物质施用单元(40)，且目标物质施用单元(40)可直接依据内建的数学模型来评估选用何种目标物质(45)及/或是否应施用目标物质(45)。或者，智慧型农业及环境管理系统(5)亦可在监测单元(20)中将所接收的原始资料(15)先行使用数学模型处理后，再传令至目标物质施用单元(40)，使其选用并施用目标物质(45)。除了上述配置外，在符合本发明的意旨下，智慧型农业及环境管理系统可为上述不同智慧型农业及环境管理系统的配置的组合或套用。另外，智慧型农业及环境管理系统亦可整合并搭配其他装置或设备使用。例如，智慧型农业及环境管理系统的监测单元(20)、计算单元(65)、控制单元(30)、目标物质施用单元(40)、及/或远端操作单元(60)的一或多个的组合，皆可发出回馈讯号及统整资讯给研究机构，且研究机构可利用这些回馈讯号及统整资讯来进一步研究，甚至修正物联网所使用的数学模型或架构。上文中所揭示的搭配数学模型与物联网的智慧型农业及环境管理系统可用于各种用途。举例而言，智慧型农业及环境管理系统可用于监测住宅区中登革热病媒蚊的数量，并选用可杀死或驱逐登革热病媒蚊的病媒蚊专一性毒性胜肽来管控病媒蚊数量。在另一实施例中，智慧型农业及环境管理系统可使用来自管网蜘蛛(segestriaflorentina)(tube-webspider)的μ-segestritoxin-sf1a或具有类似结构的人工重组蛋白作为生物性农药，进而专一性地管控田野中常见双翅目(蝇类)及鳞翅目(蛾类)害虫的目标昆虫的数量。此类常见的害虫例如为斜纹夜盗蛾(spodopteralitura)、甜菜夜蛾(spodopteraexiguahubner)、豆荚螟(marucatestulalis)等。在又一实施例中，智慧型农业及环境管理系统可在田野中散播对有益目标昆虫具专一性的吸引胜肽或化学性物质，以使此类有益目标昆虫的数量维持在预期程度。上述阐释智慧型农业及环境管理系统的用途仅为示例，且在符合本发明的意旨下，本发明的智慧型农业及环境管理系统可应用在各种场景及用途上。承上所述，依据本发明的智慧型农业及环境管理系统，包含将策略演算法及降解速率模型整合至物联网系统中，并可另外进一步结合目标昆虫预测模型，以较为精确地持续选用预定程度的目标物质，进而达到预期的农业环境管控。藉由智慧型农业及环境管理系统，可建立减少人力、较为环保的环境管理系统，以减少超过预期量外的目标物质的残留性及选用随机性。本领域技术人员应理解，以上实施例仅是示例性实施例，在不背离本发明的精神和范围的情况下，可以进行多种变化、替换以及改变。当前第1页12