指導教授：楊惠芳老師
團隊成員：陳智原、黃于千、吳咨賢、黃子恩、蕭順景、胡哲思、蔡尚諺
自農業發展以來，人類便致力於降低病蟲害機率，減少農業損失。也因植物的病蟲害嚴重可造成非常大的經濟損失，故植物防疫在農業中是非常重要的一環。隨著氣候變遷與人口成長，糧食短缺成為了當務之急，植物病蟲害、氣候變遷導致的天災，皆會阻礙農作物的生長，導致產量下降，且政府也在近年積極推廣智慧農業，希望藉由物聯網(The Internet of Things，IoT)、大數據(Big Data)、AI (Artificial Intelligence)等方法實現精準種植，達到保護環境、提升產量等目標。
本團隊開發一套系統，透過自動化溫室、病蟲害偵測機制與諮詢系統，達到病蟲害防治的目的。我們將透過物聯網的技術，利用感測裝置監測生長環境，創造一個可控制的植物生長溫室環境。美國賓夕法尼亞州立大學和瑞士聯邦理工學院(EPFL)的研究人員於2021年共同開發一款軟體，該系統可以從作物的照片識別作物危害，準確率達99.35%。
因此為了達到防治病蟲害之目地，本團隊利用類神經網路的分析讓使用者了解植物是否健康，以及患有不同疾病的機率分別為何。使用者可利用諮詢系統詢問病蟲害資訊和處置方式，其目的在於幫助缺乏專業農業知識的使用者也能夠對於不同的植物病症進行適當的處理。透過 AI 病蟲害分析與諮詢系統，我們期望打造更加使用者友善之系統環境，讓具不同背景知識的使用者皆能使用。
 環境監控頁面，使用者可以在該 UI 介面上即時的監控環境資訊。 |  資料視覺化界面，使用者可以利 用該圖表來審視過往的環境資訊。 |
此外，透過這個系統，也能增加農業生產力和強化適應氣候變遷，進而消除飢餓；強化科學與科技能力協助邁向永續的消費和生產模式，並確保永續消費及生產模式；智慧溫室系統可幫助各國抵禦和適應氣候變遷浩劫及自然災害，維持農業生產力，進而因應氣候變遷及其影響。本系統也希望能夠進一步推廣到自家使用者，以滿足有種植植物需求的使用者，並且持續改善系統流程並擴充更多功能。
 警示介面，使用者可以客製化不同的 提醒條件，在條件觸發時系統會提醒 使用者。 |  警示介面，使用者可以客製化不同的 提醒條件，在條件觸發時系統會提醒 使用者。 |
 ← ← ← ← |  |
分析結果: Early blight : 0.99972 Late blight : 0.00026
病蟲害分析功能，該功能會利用本團隊架設在溫室端的相機進行截圖，經過yolov5模型找出葉子樣本的所在位置，該yolov5由團隊經過訓練，使其能夠判斷葉子的所在位置，抓出葉子位置後經過裁切將原始圖片轉換成許多張的葉子樣本，並送入團隊以restnet50為基礎訓練的卷積神經網路，最後可以獲得該葉子樣本在各項分類的機率分布，例如上圖葉子被判定為 : Early blight的機率為0.99972，Late blight的機率為0.00026，healthy的機率為0。