以機器學習理論結合紅外線熱成像與微氣候預測植物病徵之研究

台灣農業環境屬潮濕且高溫氣候，因此病蟲害也相對猖獗，從而影響本土的農業以及農產品的產量與品質，故本研究主要在於提前發現植物病害，並對症下藥以減少產品的損失。 本研究中，以茄科類蜜 3 小番茄作為實驗對象，使用一般相機及紅外線熱成像相機針對本研究植物進行連續影像拍攝，導入深度學習理論，以此分析植物發病前後的影像特徵，據以建置一植物病徵預測模型。 從結果而言，選取不同深度學習網絡進行轉移學習以及訓練集與測試集的比例會對準確率造成一定程度上的影響，又以 VGG-16 演算法的準確率較高，可達98.75%。