目前得票數:1 票
請先登入以投票。
本研究採用跨領域研究方法,結合資訊技術與農業專業,運用深度學習提升水稻葉片病害辨識的準確度與效率。傳統病害檢測受限於人為誤差與環境影響,難以滿足大規模農地監測需求,因此本研究導入卷積神經網路(CNN),透過影像處理標註病害區域,並訓練模型自動提取病變特徵,以提升辨識效能。研究過程中,我們應用數據增強技術優化模型泛化能力,並結合農業專家回饋機制,確保系統應用的可靠性。實驗結果顯示,該方法能有效提高水稻病害識別度,降低農損,並優化農業管理流程。未來,本研究將結合物聯網(IoT)與雲端運算,實現即時監測與智慧決策,推動農業數位轉型,提升農作物生產效率與永續發展。
關鍵字:
水稻葉體病變辨識
卷積神經網絡模型
智慧農業
作品所屬領域:
生活科技
優質教育 責任消費及生產
網路人氣獎
候選作品
女性桂冠獎
候選作品
科學勇士獎
資格不符
科學新秀獎
資格不符