智慧農業之AI植葉調查員

嘉義大學

植葉調查團

植物的葉片為行光合作用及蒸散作用的主要器官，而葉子面積是農業研究上表示農作物獲取養分中最有效的量測項目。葉片面積的變化及大小可呈現作物生長發育的程度、光能的截取能力等，為植物生長分析之重要特徵，紀錄葉子的生長發育可應用於追蹤植物生長的情形，建立環境與植物生長的相關模式。而我們主要目標是較高經濟價值的農作物，將以草莓為例作為實驗，透過葉片面積大小、生長曲線研究其生長情況，對比果實大小、甜度高低等。

因此我們期望透過深度學習與AI影像辨識，建立簡便、快速及準確的葉面積檢測系統，並將系統上架至手機應用程式(APP)，輕鬆使用手機拍照即可預測葉面積，降低機器操作的複雜度，不需購買任何測量器具以及人工進行測量。本系統協助研究與分析植物生長發育，觀察植物葉片與果實的成長關係，將對於農作物生長的研究有相當助益。

0票

// 特色與照片說明

【作品特色與介紹】

1. 建立深度學習模型快速測量葉面積：

本系統採用Mask R-CNN作為深度學習模型，進行葉子檢測-繪製目標邊界框，目標分類-標記出每個目標的類別，像素級目標分割(ROI)-分辨目標檢測中裡面何謂目標物，何謂背景。將檢測的葉子框出並塗色，計算並顯示其面積(請見附圖)，並與某國立大學園藝系教授合作，建立葉子面積大數據，將不斷收集大量圖片增加模型準確度，透過所拍攝的葉子圖片即可預測其面積，AI幫助菜農觀測葉面積，快速蒐集葉面積資料以做研究或分析其生長情況。

2. 非破壞性取樣，手機拍攝即可測量：

現今測量葉面積的方式多為破壞性取樣，需要將受測的葉片摘下，經過葉面積測量儀器，或是生物影像處理分析軟體ImageJ來進行測量與分析，拍攝完的葉子照片需導入軟體，進行相關操作，不少需要手動設定與調整，過程複雜且繁瑣。而本系統可使用非破壞性取樣，先利用已知面積之硬幣或貼紙，利用數位影像像素(pixel)推算葉片面積，使用手機相機進行影像擷取拍攝，可立即估算並預測葉面積，不損傷葉片就能快速追蹤、測量葉片面積的生長變化，操作簡單且方便。

【照片說明】