近年來，人們擔心全球環境的變化不僅會影響野生植物，還會導致農作物生產降低，目前研究植物環境反應的常用方法是在實驗室中操縱環境條件，例如光和溫度。在極其複雜萬變的室外環境中觀察到的植物反應，僅靠人工、簡單的室內環境是無法有效模擬的，特別是擬南芥屬植物作為作用機制研究的植物，為了闡明植物的環境反應，須累積擬南芥屬的知識並將其應用於其他物種。 　　研究重點為研究團隊首先開發了一種用於收集和分析影像資料的獨特系統PlantServation，將數位相機固定在旁，對室外種植的擬南芥進行時間序列照片，總共獲得了超過400萬張影像，從大規模影像資料中獲取有關植物部位的資訊並不簡單，有一些圖像的葉子顏色較深，看起來與背景非常相似，除非仔細觀察，否則肉眼很難辨識，利用人工智慧技術，成功地自動辨識了植物部位。 　　研究結果透過機器學習方法從植物顏色資訊中估計花青素之紅色色素含量，團隊能從影像資料庫中依照時間序列捕捉色素波動，根據季節和環境條件，植物之間的色素含量有所不同，如秋天的葉子所示，這反映在葉子的顏色上，因此色素量為植物對於環境反應之因素，此研究闡明植物在室外環境反應的研究需要在生態學、演化和農業等領域進一步發展，並有效利用大規模數據和人工智慧技術，成功得到演化新發現。 　　研究成果已發表在國際科學期刊《自然通訊》，研究團隊透過將新開發的PlantServation的圖像分析與基因層面的研究方法相結合，預計未來將能夠增強植物環境耐受性和應對氣候變遷的品種。【延伸閱讀】- 植物的乾旱威脅反應機制新發現

氣候變遷已成為全球關注的問題，促使國家應對於因氣候條件變遷而在各個領域出現的危機情況，其中畜牧業受氣候變遷影響較大，導致農畜產品產量和品質下降。韓國因極端氣溫惡化影響，帶來平均氣溫上升、熱浪和乾旱等，在飼料作物供應依賴進口，飼料作物生產力下降預計將對韓國畜牧業造成更大的損害。 　　研究重點為研究團隊建立韓國飼料作物的電子氣候圖，經過資料收集及處理，包含作物生產數據、地區氣候數據，建立各種回歸模型並對結果進行比較分析，接著建構影響每種飼料作物產量之氣候因素預測模型，最後發展出電子氣候地圖。 　　研究結果顯示在韓國南部地區的最佳地區比例較高，中部地區的適宜地區比例較高，中北部山區，可產區和低產區的比例較高。因此，中北部和山區在使用國產高耐寒IRG的生產力方面可能具有優勢。10月降水量、1月最低溫度和1月至4月生長期被確定為對IRG產量影響最大的關鍵氣候因素。 　　研究成果已發表在MDPI應用科學期刊第20期《精準農業與數位農業最新發展》，研究團隊為農業建立了與飼料作物相關的資料庫做出貢獻，此類資料庫文獻中很少，收集飼料作物數據和氣候數據來預測適宜的種植區域，從而建立電子氣候地圖，未來可供政府發布用於畜牧場的耕作指導與政策應對。 【延伸閱讀】- 淺談猶他州垂直農場是如何因應氣候變遷

濕地和農田之間在全球碳循環、生物多樣性和糧食供應之間帶來了新的挑戰，有效的監測技術可以透過生物、物理及化學間轉化獲得有價值資訊，從而提高農業系統準確性、效率和決策。而監測過程中需要大型和多樣化的資料庫，並需要智慧化處理，監測方式包含衛星、無人機及小型飛機之感測器截取圖像與數據。 　　研究重點以深度學習技術能夠整合作物生長和水動力模組中的大量數據，開發原位監測設備來檢測這些快速變化現象，可以提取複雜的特徵和模式，例如光譜、空間、時間等，而研究中整理出各監測方式結果。 　　研究結果證實利用深度神經網路(DNN)、遞歸神經網路(RNN)和卷積神經網路(CNN)資料對農作物進行分類，取得了比傳統方法更高的準確率；利用衛星資料集監測濕地植被和地形特徵的資料融合技術，具高準確性可作為濕地健康和功能重要指標；基於物件和解析度的深度學習技術，透過無人機影像對農作物進行分類，顯示這些技術可以改善農地管理和生產力。 　　研究成果已發表在MDPI應用科學期刊第19期《濕地與農田綜合監測技術》，研究團隊整理各種監測技術文獻，不同監測方式之其準確性及功效，並表示農田和濕地的綜合監測具有潛力，但也是巨大的挑戰未來，將對於未來農田作物及地形進行智慧監測，其監測數據準確性、監測方式選擇作出貢獻，並可運用於未來農田碳排監測方式。【延伸閱讀】- 大數據物聯網助攻 水利署：智慧監測避免地層下陷危機

病蟲害防治對於提高農業產量至關重要，具有害蟲防治噴灑系統的農業無人機對於農力減少的農民引起興趣，與任何其他噴霧機一樣，安裝在無人機上的噴霧系統可能會因藥劑飄散而對環境造成破壞。空氣感應(AI)噴嘴比其他噴嘴產生的飄散降低（例如更大的霧滴），但缺乏分析其與無人機結合的有效性的研究。 　　研究重點為了解決噴霧飄散問題，使用了具有有效減少飄散的AI噴嘴，但目前分析其效果的研究工作卻很少。在這項研究中，使用的農作物是水稻和大豆，以AI和扁平扇形噴嘴安裝在無人機上，評估其噴霧及評估害蟲防治性能、使用扁平扇形噴嘴和AI噴嘴測量沉積率和滲透率。 　　研究結果顯示AI噴嘴的作物覆蓋率比扇形噴嘴高130%，AI噴嘴的飄散減少，但兩者噴嘴滲透率差異並不顯著，作物產量和病蟲害防治效果也沒有顯著差異。因此，除了覆蓋範圍外，AI 噴嘴的性能與扇形噴嘴沒有任何差異，但AI噴頭飄散較小，可用於空中噴灑，環境污染較低。 　　研究成果已發表在MDPI應用科學期刊第20期《農業4.0-農業科技的未來》，研究團隊為農用無人機噴灑系統首先做出噴嘴性能差異分析，此類研究文獻很少，由於研究結果AI噴頭較適合空中噴灑，對未來農用無人機應用及環境保護做出貢獻。【延伸閱讀】－智慧蟲害防治監測系統，有望減輕勞動力負擔

許多國家的農業面臨農業勞動力老化的問題，由於城市化的發展，越來越多的青壯年勞動力從農業生產活動轉向城市，這將導致未來糧食短缺的問題，為了解決農業中的糧食短缺等問題，已開發國家正在研究自動農用車輛，以感測器技術和電液控制技術取代傳統農業所需的基本技術和勞動力。 　　研究重點為以車輛型號根據結構特點和工作情況分為輪式拖拉機、履帶式拖拉機、插秧機、高間隙噴霧機、農業機器人、農用拖拉機等多種類型，路徑追蹤控制方法的應用與改進根據農業機械的不同作業場景和類型進行總結，而農業機械自動導航的關鍵技術主要包括定位與姿態測量、路徑規劃、路徑追蹤控制等。 　　研究結果顯示採用GA、PSO、DRL等演算法，對傳統路徑追蹤演算法進行改進和最佳化，以提高控制器的穩健性和精確度，純追蹤模型的前視距離對車輛的路徑追蹤精度有顯著影響。研究人員開發了具有擾動感測器的SOSMC和滑模控制器來抑制顫振，線性模型預測控制比非線性模型預測控制具有更好的性能，但線性模型預測控制存在削弱控制器對參考路徑曲率和航向變化的回應能力問題，應加強模型預測控制演算法改進。 　　研究成果已發表在MDPI應用科學期刊第12期《農業科技特刊》，隨著控制系統創新和農業機械的發展，智慧控制器可為農業車輛路徑追蹤提供更好的解決方案，對未來自動農用車的路徑追蹤控制開發做出貢獻。【延伸閱讀】- 台灣農業老化、小農化 中研院農業政策建議書提8大解方

近年來，由於農業結構性問題，韓國面臨農民老化、農業勞動力減少、生產面積減少、進口農產品增加等問題導致韓國農業成長、收入和出口停滯。智慧農場作為解決這些問題和振興農業的解決方案正在獲得認可，智慧農場透過監測和控制土壤品質、氣候條件和作物疾病發生等因素，以自動化和機械化優化農業流程。 　　研究重點團隊先建立智慧農場測試平台，並從6月至9月對溫室栽培之辣椒進行實驗，收集環境感測器數據，根據收集之數據進行核密度估計分析、數據分析和相關熱圖分析，接著利用機器學習中的長短期記憶(LSTM)、雙向長短期記憶(BiLSTM)和循環神經網路(GRU)作為基礎模型開發出堆疊整合模型。 　　研究結果與LSTM、BI-LSTM和GRU作為預測感測器氣溫資料變數之一之現有模型相比，團隊開發之堆疊整合模型表現出優越結果，均方誤差MSE 0.594，平均絕對誤差MAE 0.601，R平方值為 0.958。但也具備一些限制，資料收集和分析時間相對較短，大約從六月到九月，歷時約三個月，韓國四季分明，農作物生長與環境條件差異顯著。 　　研究成果已發表在MDPI應用科學期刊第18期《農業科技》，這項研究建構出堆疊整合模型驗證有效預測氣溫，顯示從依賴經驗之傳統農業轉換採用數據分析和人工智慧等數位轉型，為智慧農場奠定了基礎，在農業領域具有貢獻。【延伸閱讀】- 使用物聯網與回歸機器學習運算，打造自動化智慧溫室系統

影片中展示了Almaty 地區的一個智慧溫室，該溫室可以自動控制溫度、濕度、照明、施肥和灌溉，大大的減少勞動成本。

充足和適當的能源供應及其高效利用對於經濟農業生產是具重要性，在農業作業中，耕作(苗床準備)消耗了拖拉機等原動機設備能源，其中化石燃料佔92 %。機械除草仍然是至今最常用的除草方法，現代以自動式或拖拉機替代傳統農畜拖拉除草，除草機械利用內燃機產生機械動力除草，這些用於除草作業的機械操作需要高能源和成本需求，以及化石燃料消耗，從而危及生產的可持續性，為了取代這種情況，需要一種操作高效且對作物損害最小的行間除草系統。 　　研究重點預測電動垂直軸轉子(RVA)型行間除草機的具體能量需求，設計和開發拖拉機操作的除草工具，並在運行期間的功耗達到最佳，易與拖拉機連接與拆卸，接著使用人工神經網路建模預測動力操作垂直軸轉子(RVA)行間除草機的特定能量(SPE)需求。 　　研究結果發現ANN能夠準確預測RVA裝置在不同操作條件下的特定能量需求，如高R2 (0.91)、低RMSE (0.0197) 和低MAE (0.0479)，這將有助於基於ANN的SPE具可靠性，此法將指導製造商和工程師開發適合拖拉機和操作條件的匹配機具，以確保高效率和作物生產力。其他人工智慧的建模技術，如FIS（模糊推論系統）和 ANFIS（適應性網路模糊推論系統）也將在未來的研究中採用，以提高SPE預測的準確性。 　　研究成果已發表在MDPI應用科學期刊第18期《智慧農業工程專刊》，研究團隊成功開發與設計出高效除草工具，並且驗證出最佳人工智慧運算模組，將對於未來農田作物高校生產，以及農業機械高效使用耗能做出貢獻。【延伸閱讀】- 久保田農機實現智慧農業，創造農業經濟價值

全臺灣我走了將近一半以上的穀倉，想要教穀倉人員最重要的一個觀念，米蟲都是自己養的。......有人會稱我米蟲博士，我非常喜歡這個稱號，讓米蟲越來越少，就是我努力的方向。 　　耗了34年時間，都在研究米蟲的姚美吉，從昆蟲所畢業後，經高考分發到農試所任職，傳承了林欉助理研究員對積穀害蟲的研究，積極與農糧署配合，提供防蟲策略。從穀倉清源、配合細目防蟲網阻隔蟲源侵入，以及貯藏期間運用LED誘蟲器。透過防治規劃，減少害蟲危害，降低農藥使用量，提高米糧的保存率，讓全民在糧食安全上更有保障。 　　另外，姚美吉博士與農試所及各試驗改良場所同仁一起努力開發建立病蟲害諮詢小幫手，將病蟲害資料、防治經驗，透過手機掃描即能分享給糧政單位、全國穀倉管理員及農業從業人員，讓更多政府單位、第一線人員以及一般大眾都能更了解「米蟲」及各種病蟲害專業資訊，宛如專家親臨指導。

中興大學阿米亞團隊開發「智慧農業前瞻預警平台」，結合人工智慧（AI）演算法辨識作物生理特徵，可即時反映水稻植株生長狀態，15秒內提供灌溉栽培建議，可減少灌溉用水2成。 　　中興大學今天舉辦記者會說明，由中興大學基因體暨生物資訊學研究所特聘教授朱彥煒帶領的「AIMIA阿米亞團隊」，開發出「智慧農業前瞻預警平台」，今年成功與彰化米屋企業合作實作出6公頃的「AI低碳米」，未來將逐步擴展至彰化米屋企業全產區逾1400公頃。 　　朱彥煒指出，「智慧農業前瞻預警平台」是國內第一個發展以作物生理為主的決策平台，藉影像技術取代高精密儀器，使用者透過個人智慧型手機，拍攝稻田區照片，上傳至「智慧農業前瞻預警平台」，系統後台會將照片轉換成多樣光譜資訊，並提取重要生理特徵，運算10至15秒後回傳最適化灌溉栽培決策給使用者。 　　他表示，透過「智慧農業前瞻預警平台」最適化灌溉栽培決策，以客觀數據協助使用者判斷灌溉 時間點，以及須灌溉高度，可提升水資源利用效率，並減少甲烷排放量。 　　朱彥煒指出，以全台每年稻田灌溉用水約62億噸估算，將可節約逾12億噸水資源，同時節省馬達抽水耗電約新台幣1.65億元，相當於減少3.15萬噸二氧化碳排放。 　　此外，最適化灌溉栽培參考自國際稻米研究所，以減少水田甲烷排放30%估計，約可減少全台每年18萬噸二氧化碳排放，相當於565座大安森林公園碳吸附量。 　　米屋企業董事長陳肇浩與會表示，今年1月起與興大合作，建立約6公頃的商用稻作區示範場域，在第一期稻作中約產出36公噸稻米。 　　陳肇浩指出，「智慧農業前瞻預警平台」辨別準確率達92%，且可減少20%灌溉用水，同時產量及品質維持與慣行栽培一致，生產過程中卻更加省水、節能與減碳，符合ESG（環境保護、社會責任、公司治理）企業永續精神。【延伸閱讀】- 藉分析農業大數據發展智慧灌溉技術以節省水資源

為了人民糧食需求，同時最大限度地減少損失，預測和檢視收成是現代農業的重點之一，智慧農業或精準農業是一種現代農業，利用最新技術來增加產量並最大限度地減少水、肥料和能源等資源浪費。機器學習演算法可以分析來自感測器數據，優化施肥、灌溉及害蟲防治，可作為預測和分析作物生長和產量的方式。 　　研究重點使用不同的機器學習演算法根據作物的一般特徵進行研究，例如決策樹(Decision tree)、單純貝氏分類器(NBC)、支援向量機(SVM)和隨機森林(Random Forest)，採用以機器學習為中心的系統和解決方案將顯著提高效率和生產力，，並透過在某些作物類型未知或不易識別的情況下進行預測。 　　研究結果利用資料收集之溫度、濕度、pH 值和降水量特徵，其中2種演算法出現較高準確率，單純貝氏分類器達97.05%，隨機森林達到97.32%。研究結果為現代農業提供機器學習實證，可進一步研究和開發可以幫助優化作物生產、減少浪費並改善全球糧食安全。 　　研究成果已發表在科學期刊《農業工程技術應用》，研究團隊成功透過機器學習導入農業，並證實演算法準確性，未來可廣泛運用在更多作物種類分析，提供建立農業數據庫之貢獻。【延伸閱讀】- 使用物聯網與回歸機器學習運算，打造自動化智慧溫室系統

本來從事倉儲物流業的陳泓碩，13年前從北部回到家鄉嘉義縣，承接親戚的魚塭，當這位養殖門外漢，碰上霸王級寒流、823水災以及極端氣候，越戰越勇，不僅獲得110年度「全國百大青農」及支持母親獲得「產銷履歷達人」殊榮。近年來，他配合智慧養殖漁業轉型政策，在魚塭中導入水質監測設備、微氣象站、智慧電箱以及監控攝影等科技化設備，更能有效降低風險並提高了生產效益。他笑著說，回家鄉養魚，賺多賺少是其次，最值得的是，有更多時間和家人在一起。 　　近年農業部因應氣候變異及勞動力老化缺口等問題，透過運用智慧化科技幫助漁民。以傳統漁業的經驗為基石，感測元件、資通訊技術及人工智慧等先進技術為輔，朝向省工省時的概念發展，不僅達到降低勞動力成本並提高產量的效果，將漁產業引領至真正的友善環境與永續發展。

適當控制害蟲對於農作物的穩定生產至關重要，但由於許多害蟲都是屬夜行性，隱藏在葉下或地面上，因此尚不清楚農田中害蟲發生的頻率，為了調查害蟲情況，在多個地點設置具有效吸引特定害蟲的費洛蒙誘捕器，研究人員定期巡查以確認捕獲的昆蟲數量，考量勞動力和成本，通常是每隔5天至1週進行一次，然而，許多害蟲例如飛蛾每天都會移動或飛行，害蟲的發生情況根據天氣條件等而變化，因此利用現在已有之調查方法依然很難掌握害蟲每天發生情況。 　　研究重點透過結合物聯網攝影機，及吸引特定害蟲費洛蒙藥劑，每天將收集捕獲和殺死的害蟲的圖像遠端傳送至電子信箱，以便研究團隊能夠檢查害蟲爆發狀態，並每天在預定時間打開底部將害蟲自動丟棄在塑膠袋中。 　　研究結果裝置透過目視計數影像捕捉的昆蟲數量與裝置實際採集的昆蟲數量之間相關係數0.9或更高。當捕獲的昆蟲數量超過200隻時，雖然有捕獲和殺死的個體重疊問題，導致很難從圖像中統計數量，但研究團隊發現該系統總體上可以監測害蟲爆發，沒有任何實際問題。 　　研究成果已發表在科學期刊《應用昆蟲學和動物學》，研究團隊成功透過使用這種監測系統，可以進行有效的害蟲控制，避免農藥的過度噴灑，從而降低成本，未來可有助於勞動力和環境負擔減少，透過使用該裝置，可以快速監測外來害蟲並有助於防止其擴散。【延伸閱讀】－新創公司FarmSense將人工智慧應用於害蟲的田間管理

在農場越來越大，越來越難以管理時，哈薩克的農民利用數位科技，包括衛星監測、濕度感測器的氣象站、農機設備的監測追蹤，以提高農場生產的效率。

中興大學土木系特聘教授楊明德團隊開發AI技術，作為穀粒含水量預測，以評估最佳採收日期，約可減少26.4小時烘乾時間，有助於提高收穫效益、減少能源消耗及碳排放。 　　中興大學今天發布新聞稿說明，楊明德團隊研發成果「低碳米-導入AIoT 的減碳水稻收穫模式」，為快速（5秒內完成）、便宜（近無使用成本）與簡便（3公克）大範圍高頻率使用的穀粒成熟度檢測技術。 　　興大表示，這項技術目前已於國內外合作落地測試，於全台潛在淨產值可達新台幣5.4億元，預估可能減少每年7.2萬公噸二氧化碳（CO2），相當於190座大安森林公園吸碳量，而這項技術能提升稻作農業產值與貢獻農業淨零碳排，榮獲2023年未來科技獎。 　　楊明德指出，目前水稻收割時機以農民經驗為主，面對多變氣候稻農習慣搶收，收割機、烘乾機常需趕工消化同一時間採收大量稻穀。而搶收的穀粒含水量較高、青穀粒比例高、烘乾時間長、米質也較差，讓辛苦種植的稻穀無法獲得最佳效益。 　　為提供農民採收科學依據，楊明德說，團隊研發以智慧手機拍攝稻田穀粒影像，經過AI辨識後獲取田區稻穀含水量分布大數據，以高效率、低成本、大規模掌握田間資訊。 　　收割的濕穀需烘乾及精煉，才能成為食用米，然而濕穀含水量越高，烘乾成本愈高，碳排量也愈高。興大指出，團隊以手機取像工具，開發AI技術透過巨量資料、深度學習與天氣預測作為穀粒含水量預測以評估最佳採收日期。 　　興大表示，根據農糧署資料，1%榖粒含水量需2小時烘乾，利用團隊研發的AI穀粒含水量預測工具可延遲採收2週，將一般農民採收穀粒的34.7%含水量降至21.5%，減少26.4小時烘乾時間，有助於妥善安排農機操作、提高收穫效益、及減少能源消耗及碳排放，達到永續農業目標。【延伸閱讀】- 運用無人機數據，診斷水稻生長及計算施肥量

豬的姿勢可以作為其心理和生理狀態的重要指標，並有助於預測其自然行為，這直接關係到豬的健康，從而影響豬的生產價值，豬姿勢通常是各種外在因素影響，在過去對動物行為和姿勢的研究中，豬的姿勢和位置通常是透過現場觀察或監測記錄來記錄的，而人工檢測豬的姿勢相當耗時，因此導致豬評估效率低，隨著人工智慧發展，智慧農業的概念在養殖業中逐漸流行，用於自動化替代人工進行監測農畜行為模式。 　　研究重點透過感測器與光學攝影機獲取豬相關物理參數，然後透過特定數據建模分析間接評估豬的行為或姿勢模式，用於豬姿勢偵測的二維相機主要包括RGB相機和灰階相機，固定在豬欄上方，鏡頭朝下以獲得垂直俯視圖。研究人員可以將某些影像或影片輸入機器視覺模型，以偵測並估計豬圈內每頭豬的個別姿勢，並進一步使用機器深度學習模型(如YOLOv4、卷積神經網路)，可立即判斷當下豬隻狀況。 　　研究結果結合影像及深度學習方法成功檢測豬姿勢，獲得了高達99.21%的召回率和95.21%的分類準確率，利用感測器與攝影機獲取之數據，以深度學習模型分析替代人工現場檢測，不會有時間誤差及影響豬隻等外在因素。 　　研究成果已發表在科學期刊《農業科技特刊》，研究團隊成功透過機器學習、模型架構遠端監測豬隻行為與姿勢，準確檢測和分析豬的姿勢模式可以幫助養殖業調整和優化養殖方案，從而提高豬商業價值。未來可廣泛運用在其他動物養殖種類，優化養殖方案，為養殖、畜牧業提高商業價值之貢獻。【延伸閱讀】- 提前掌握母豬健康狀況 AI養豬系統應用商機8億

為探索解決「誰來種地、怎樣種地」的途徑，華南農業大學羅錫文教授及其團隊在廣東創建首個水稻無人農場，實現了水稻生產耕、種、管、收全程無人作業，無人農場有五大功能：一是耕種管收生產環節全覆蓋，二是機庫田間轉移作業全自動，三是自動避障異況停車保安全，四是作物生產過程實時全監控，五是智能決策精準作業全無人。 　　無人農場主要依托生物技術、智能農機和信息技術三大技術的支持，生物技術主要為無人農場生產提供適應機械化作業的品種和栽培模式；智能農機主要為無人農場生產提供智能感知、智能導航、智能作業（精準作業）和智能管理；信息技術主要為無人農場生產的信息獲取、傳輸和處理，農機導航與自動作業，農機遠程運維管理提供支持。 　　在農業產業化發展路上，必須打通從種植、收購，到倉儲、物流、分銷等環節的全產業鏈條。廣州市和稻豐農業科技發展有限公司負責人譚增偉表示，近年來公司擴大合作社全程託管服務規模，加速推行水稻生產「全程託管服務」進程，打造出「機械化水稻種植」新型模式。從2021年的25,000多畝水稻高質量生產，到今年完成早稻種植15,500多畝、晚稻16,500多畝，全程託管服務模式使水稻畝產量提高了10％，農戶利潤提高了13％。【延伸閱讀】- 應用農業科技打造食品供應鏈之安全性及永續性

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。 　　研究成果已發表在MDPI應用科學期刊《農業機器學習之應用》第13期，研究團隊提出植物病葉識別數劇增強模型成功清晰辨識植物疾病癥狀，可幫助未來進一步提高植物早期診斷，維持作物生產力做出貢獻。【延伸閱讀】- 應用深度學習模型識別不同萵苣品種的氮營養含量