混合式深度學習於馬鈴薯病害辨識之應用
學生姓名:
梁雁媮
指導教授:
顧皓翔
學期:
114下
摘 要:
這項研究針對馬鈴薯病害檢測在真實農田環境中面臨的複雜背景與光照變異等挑戰，提出了一種名為 EfficientNetV2B3+ViT 的混合深度學習模型，旨在解決傳統人工診斷費時且現有 AI 模型在非受控環境下泛化能力不足的問題。該模型核心技術在於結合了卷積神經網路 ( CNN ) 提取局部特徵（如紋理與顏色）與視覺變換器 ( ViT )捕捉全局上下文資訊（如病灶分佈與長距離依賴）的雙重優勢，並透過並行特徵融合策略串接特徵向量，確保重要影像資訊能被完整保留。實驗採用包含 3,076 張真實田間影像的數據集進行驗證，結果顯示該模型在複雜環境下達到了 85.06% 的準確度，較先前研究提升了 11.43%，且在標準受控數據集上表現高達 98.15%。儘管模型在細菌病害識別上表現卓越 ( 93.42% ) ，但在區分症狀重疊的害蟲損害與真菌感染方面仍具挑戰性 ( 60.66% ) ，本研究為真實農業場景中的自動化病害診斷建立了新的技術基準。
梁雁媮.pdf