直播課程
近年來深度學習在電腦視覺領域取得了突破，關於如何將其用於植物病害的早期診斷已有很多研究，深度學習適合以視覺診斷植物葉子和莖中疾病症狀，因為可以從圖像中擷取和學習高級特徵，儘管許多使用深度學習的基於視覺的植物病害識別高級研究正在進行中，但有些疾病在自然界中並不常見，因此很難從健康植物樣本中收集相同數量的數據。
研究重點透過一種圖對圖轉換數據增強方法，可以增加數量不足的病葉資料集的樣本多樣性，所提出的增強方法透過循環生成對抗網路在健康和患病葉子影像之間進行轉換，進一步利用注意力機制和明確指示葉子位置的二進位遮罩，注意力機制可以極大地提高所提出的植物葉子翻譯模型。
研究結果解決樣本少問題，增加罕見疾病樣本的多樣性，研究的主要內容是透過將常見的健康植物葉子圖像轉換為患病葉子圖像來解決植物疾病數據不平衡的問題，在增強資料集上訓練模型通常可以解決過度擬合問題並提高整體效能，經實證研究團隊提出之模型成功反映真實圖像清晰疾病特徵。
農業部林業試驗所指出，以「點雲」打造的數位森林已在現代森林經營中發揮作用，不僅提供更多資訊及工具，也為森林經營者提供更多選擇，以實現永續及高效森林管理，此數位化方法有望在未來的研究及實踐中發揮關鍵作用，促進森林經營不斷的改進和進步。
林試所說，在現代森林經營中，透過掃描森林現場實景，可生成可視化的三維座標點雲（Point Clouds）影像，各方研究顯示，利用點雲資料打造的數位圖資能運用在各種行業領域。
其中對於林業管理量測資料具有巨大潛力，尤其在森林經營及生態研究方面，這項技術已被廣泛應用於建立樹木靜態模型、棲息地評估、植被類型演替等領域，不僅提高資料的準確性，也為森林經營者提供更多工具及資訊。
林試所指出，研究團隊在苗栗、雲林、屏東、花蓮等地區的人工林造林地，進行大面積點雲資料的掃描拍攝，獲取詳細三維資訊，相較於傳統調查方式，數位點雲提供更準確及有效的經營資訊，包含立木位置、胸高直徑、樹高、樹冠幅等，幫助林地管理者了解當前林分的生長情形。
林試所說，結合多點掃描的資料，研究人員可進行單一造林地的管理模式及林業研究，例如在於雲林地區建立了2.5公頃的數位森林，協助林農進行現況資料的數位管理。累積大量的資料後，可以了解森林資源的動態變化，這些資訊有助於監測林木的生長、計算生長量變化，了解碳蓄積量增加的情形。
此外，數位點雲還能允許進行疏伐前後的林相模擬，在無損林木生長的情形下進行評估，確保伐木計畫的有效性，這對於森林經營者來說是一個極為重要的工具。
林試所表示，引入數位林地可讓森林經營變得更加現代化與智慧化，提高管理效率，降低調查和規畫的成本，並提供更多的資料來支持永續森林管理。
文章來源
<農業科技決策資訊平台>
