RGB轉多光譜水稻田模型

RGB-to-Pseudo-Multispectral Reconstruction Model

本模型旨在利用一般 RGB 影像推估 12 個可見光窄波段反射值，生成 pseudo-multispectral 影像以取代昂貴多光譜感測設備的部分功能。輸出為基於深度學習迴歸方式重建之類多光譜資訊，並非真正的高光譜重建。目前資料來源僅含水稻遮罩影像，因此模型適用範圍以 水稻田場景為主，不建議直接外推至其他作物或場域。

模型架構屬 監督式回歸網路，透過 encoder–decoder 模組與多層殘差特徵融合將三通道 RGB 特徵映射至十二波段空間，輸入影像大小與光譜標記一致，使像素反射值能逐波段對齊。此過程可視為由 3 個觀察波段推估 12 個窄波段反射值的近似問題，強調光譜趨勢與能量分布重建，而非物理量測替代。

模型輸出格式為 [12, H, W] pseudo-multispectral tensor，可供後續植生資訊提取與指數計算使用，但需理解其 屬推估值，結果會受到光照、鏡頭響應與資料來源差異影響。為強化穩定性，訓練資料均採 ENVI 影像格式並保留波長資訊：

模型評估以 PSNR 為核心指標，並輔以 RMSE、UIQI 與 Spectral-PSNR，衡量亮度誤差與光譜一致性。訓練結果顯示：

• PSNR 由 19–20 dB 提升至約 28–29 dB（收斂）
• Spectral-PSNR 約 33–34 dB
• RMSE 自約 0.11 降至 約 0.04
• UIQI 逐步提升至 約 0.9

結果顯示模型能有效逼近 12 波段能量分布，推估影像具有可解析的光譜差異，可支援後續水稻病蟲害偵測、水分觀測與時序變化分析，但仍建議搭配 少量實測樣本做誤差校正以提升跨田區泛化能力。

特性摘要
- Task：RGB → 12-band pseudo-multispectral reconstruction
- 性質：近似重建、非高光譜還原
- 限制：限定水稻田影像，域轉移需校正
- 評估方式：PSNR 為主，RMSE/UIQI/PSNR-Spectral 輔助
- 可用於：植生指數推估、稻作監測、田間趨勢分析

附圖可用（示意）：