需同意授權

水稻水分微氣象站影像辨識系統

本專案實作一套以 VGG16 架構為基礎的卷積神經網路(CNN),用於預測水稻田之灌溉狀態。該模型可於不同生育期判別田區為「有灌水」或「不灌水」。

資料與資源

應用模型

  • CNN_rice_water_BeforeAfter_release

額外的資訊

欄位
最後更新 8月 13, 2025, 10:51 (+0800)
建立 8月 11, 2025, 16:52 (+0800)

推薦AI模型

電能管理模型

更新頻率 定期
瀏覽次數 16727
下載次數 183
電能管理模型資料收集自畜牧場能源管理系統 (SSNARC Stock Farm Energy Manage System)...

水稻叢自動偵測標記模型

更新頻率 定期
瀏覽次數 20849
下載次數 73
模型概述 本模型基於 YOLO V7 架構,經過訓練標註數百張水稻空拍影像,能夠精確地在影像中識別並以矩形框標示水稻叢的位置。該模型的應用旨在提高水稻田間管理的效率,通過自動化的影像分析技術,農民能夠快速獲取水稻叢的位置信息,從而進行精準的田間操作和監測,提升作物管理的精度與效果,最終實現增產增收的目標。 電腦需求 需配有 Nvidia...

作物水分影像預警模型

更新頻率 定期
瀏覽次數 6072
下載次數 3
本研究針對水稻智慧農業落地所面臨的高設備成本與操作門檻等困難,提出一套以手機拍攝之 RGB 影像為基礎,透過生成式智慧(Generative AI)技術轉換成類光譜訊號的水分預警模型。該模型整合多種水分與紋理特徵(如 NDWI、LWCI、Wavelet-based Spectral Features、GLCM-based Texture...