以高光譜影像智慧辨識番茄葉片之研究

Abstract

本研究目的為開發一套，快速且精準高光譜影像番茄葉片智慧辨識模型。採用傳統影像處理、機器學習及深度學習三大方向，進行葉片辨識演算法研究。研究分別運用室內及戶外環境拍攝影像，做為模型訓練及驗證樣本，以模型運算時間與辨識準確率，做為模型優劣的評估指標。演算法運算時間方面，傳統影像處理的運算時間最少，室內與戶外驗證樣本分別使用了0.06秒與0.05秒；機器學習的LDA ( Linear Discriminant Analysis，線性區別分析)演算法，室內與戶外驗證樣本分別使用了1.66秒與1.61秒；而運算時間最長的為KNN (k-nearest neighbors，K-鄰近演算法)演算法，室內與戶外驗證樣本分別使用了179.16秒與219.14秒。辨識準確率最高的部分，室內與戶外驗證樣本分別為機器學習的LDA演算法的90.59%以及深度學習的U-net演算法的86.17%；不論是室內或是戶外驗證樣本，辨識準確率最低的演算法為Mask RCNN模型，辨識準確率分別為74.12%以及59.99%。 由於LDA模型有較少的辨識時間及最高的辨識準確率，為本研究最佳的番茄葉片辨識模型，適合用於植株生理狀態的即時檢測。將本研究番茄葉片辨識結果，結合番茄葉片水勢檢量線，便可即時得知植株水勢狀態，並成功將其技術應用於科技部智慧農業相關計畫中，未來更可透過更換檢量線的方式，監測不同的植株生理狀態，具相當的潛力及應用發展性。