需同意授權
You're currently viewing an old version of this dataset. To see the current version, click here.

草莓植株多光譜反射率分析模型

草莓植株多光譜反射率分析與早期病害偵測模型

支援作物健康監測、病毒感染早期預警與光譜特徵研究的多光譜分類與分析模型。


📂 專案與資源

  • 模型類型:多光譜反射率分類模型(可結合生成式 RGB→MS 前處理)
  • 資料來源:草莓植株之多光譜影像及其校正後反射率資料(含 RAW/HDR、Dark/White/WhiteDark 參考檔)

🧾 模型摘要(Description)

本模型以草莓植株之多光譜影像資料為基礎,透過「校正後的多光譜反射率光譜特徵」來進行健康狀態分類與病害早期感染偵測。
模型輸入為經標準化流程處理後的多光譜波段資料,包括:

  • 感測器輸出之 RAW/HDR 影像
  • Dark/White/WhiteDark 參考板與校正檔
  • 轉換為反射率後之多波段光譜曲線
  • 以及可選的植株生理特徵(例如葉色、冠層結構或生育期標記等)

在資料前處理階段,模型遵循可追溯的光譜處理流程,包含感測器校正、反射率換算、背景去除與雜訊抑制。接著,從每株植株或 ROI(Region of Interest)中萃取其代表性的光譜特徵,用以訓練多類別或二元分類模型,以區分健康植株與疑似感染或早期病徵個體。

除了分類任務之外,本模型亦支援:

  • 光譜降維與特徵選取(例如 PCA、波段選取、光譜區段加權等)
  • 反射率曲線型態分析,對比健康/感染植株在不同波段上的光譜差異
  • 搭配生成式模型,將 RGB 影像推估為 pseudo-multispectral 光譜,以擴充資料量或支援無高光譜鏡頭時的分析情境

整體而言,本模型提供一套從「多光譜原始資料 → 校正反射率 → 特徵萃取 → 健康狀態分類/早期偵測 → 決策支援」的完整流程,可作為智慧農業光譜監測系統的重要核心模組。


🎯 模型目的(Purpose)

本模型的設計目標主要包括:

  • 利用多光譜反射率特徵進行植株健康狀態分類:
    區分健康植株與受病原、環境壓力或生理異常影響之植株群。

  • 病毒感染與病害之早期辨識:
    在肉眼難以判讀的早期階段,透過光譜微小變化偵測潛在病害或感染風險。

  • 光譜特徵差異分析:
    比較不同健康狀態、處理組別或品種之間的光譜曲線,協助找出關鍵波段與生理訊號。

這些目的共同指向一個核心:
讓多光譜資料不只停留在「影像與曲線」,而是轉化為具體可解讀、可決策的健康與病害資訊。

資料與資源

額外的資訊

欄位
最後更新 12月 10, 2025, 16:48 (+0800)
建立 11月 17, 2025, 15:41 (+0800)

推薦資料集