MENU
辣椒一直是廣受歡迎的作物，尤其在南亞地區，許多料理都會加入辣椒來增添風味。但辣椒的病害與害蟲種類繁多，且部分病徵外觀極為相似，使人工鑑別變得複雜又費工。若未能即時辨識與處理，病蟲害可能迅速擴散，導致產量下降與經濟損失。
辣椒葉片影像資料蒐集
為建立一套能準確識別辣椒葉病害與害蟲的智慧系統，印度韋洛爾理工學院(Vellore Institute of Technology)的研究團隊從印度主要辣椒產區蒐整數萬張葉片照片，涵蓋20種病害與害蟲類別，包含葉斑病、炭疽病、薊馬、甜菜夜蛾等，作為影像辨識模型學習的基礎。
YOLO系列模型比較與YOLOv8優化
研究團隊測試多種YOLO (You Only Look Once)系列深度學習模型，包括YOLOv5、YOLOv7和YOLOv8，評估其在辨識辣椒葉片病害與害蟲方面的表現。研究結果顯示，YOLOv8在準確率與檢測效率的整體表現最佳。研究人員進一步優化模型設計與參數調整，提出改良版的YOLOv8，使整體辨識準確率最高達99.5%，且在不同病徵類別間仍維持穩定表現。
農田監測與病蟲害辨識系統應用
研究旨在建立可即時應用於田間的病蟲害辨識系統，此模型可整合應用於農田監測、手機拍照診斷與無人機巡田，協助農民及早採取防治措施、減少作物損失，進一步提升農業生產效率與糧食安全。本研究已發表於《Scientific Reports》期刊。
研究蒐整數萬張辣椒葉片照片，涵蓋20種病害與害蟲類別，包含葉斑病、炭疽病、薊馬、甜菜夜蛾等。
研究測試YOLOv5、YOLOv7和YOLOv8三種YOLO系列深度學習模型。
研究提出的改良版YOLOv8模型整體辨識準確率最高達99.5%。
