學生： 廖哲毅( ) 殷聖展( ) 吳京育( ) 指導老師：蔡志仁

Presentation on theme: "學生： 廖哲毅( ) 殷聖展( ) 吳京育( ) 指導老師：蔡志仁"— Presentation transcript:

1 學生： 廖哲毅(100012031) 殷聖展(100012037) 吳京育(99013009) 指導老師：蔡志仁
人工智慧應用蟲體辨識 學生： 廖哲毅( ) 殷聖展( ) 吳京育( ) 指導老師：蔡志仁

2 前言 農業在台灣是一個不可或缺的行業，供給我們稻米農作物來食用；但卻常常在新聞上看到哪個地方又發生蟲害影響農作物，所以我們希望可以寫一個可以辨識蟲體的程式讓使用者(農友)在遇到害蟲的時候可以辨識害蟲，知道害蟲的種類與防治方法。

3 目錄 前言 摘要 研究計劃 流程 研究方法 1.討論計劃 2.使用軟體 3.實際操作 結論

4 摘要 本計畫將開發人工智慧應用蟲體辨識系統，在技術層面上是結合亞洲大學資工系的雲端樣本資料庫、影像處理與辨識方法及行動裝置系統，設計程式使程式提供各單位系統架構利用，可使行動裝置上的攝影機將害蟲進行影像擷取及藉由無線網路WiFi或3G將影像傳送至遠端雲端，透過遠端雲端的影像辨識演算法計算及比對樣本資料庫種類，以雲端計算自動辨識出害蟲種類號碼，並將辨識結果取出最佳結、蟲體介紹的防治訊息即時傳送至使用者端，提供使用者(農友)防治參考。

5 研究計劃 研究專題計劃範圍分為： 討論計畫 使用軟體 實際操作

6 流程

7 研究方法-討論計劃 討論設計程式未來動向、如何辨識蟲體、討論如何進行計劃內容，簡單的討論出完整構想，進一步的製作每個不同的程式測試，才有辦法製作出辨識蟲體之程式。

8 研究方法-使用軟體 可用於技術計算的高階語言 可對代碼、檔案和資料進行管理的開發環境 可以按迭代的方式探查、設計及求解問題的互動式工具
可用於線性代數、統計、傅立葉分析、篩選、最佳化以及數值積分等的數學函式 可用於視覺化資料的2D和3D圖形函式 可用於構建自訂的圖形化使用者介面的各種工具 可將基於MATLAB的演算法與外部應用程式和語言（如C、C++、Fortran、Java、COM以及Microsoft Excel）整合的各種函式

9 研究方法-實際操作 使用介面

10 研究方法-實際操作 編譯程式碼

11 研究方法-實際操作 蟲體圖示二維轉一為邊緣化偵測程式撰寫

12 研究方法-實際操作 蟲體邊緣化二維轉一維執行結果

13 研究方法-實際操作 圖片轉換後會直接呼叫樣本資料庫 蟲體1號到10號進行相似辨識取最佳值

14 研究方法-實際操作 呼叫基因演算法與類神經網路運算蟲體之主程式

15 研究方法-實際操作 訓練基因演算法與類神經網路後的最佳值

16 研究方法-實際操作 基因演算法之編譯副程式將帶入主程式進行演算

17 基因演算法之編譯副程式將帶入主程式進行演算
研究方法-實際操作 基因演算法之編譯副程式將帶入主程式進行演算

18 研究方法-實際操作 基因演算法之編譯副程式將帶入主程式進行演算 類神經網路演算法之編譯副程式將帶入主程式進行演算

19 研究方法-實際操作 老師上課講解之程式碼

20 研究方法-實際操作 老師上課講解之程式碼

21 研究方法-實際操作 老師上課講解之程式碼

22 研究方法-實際操作 害蟲對於農作物植物的傷害

23 研究方法-實際操作 1號到10號的蟲體

24 研究方法-實際操作 類神經網路演算法架構 前饋神經網路架構
前向網路是目前研究最多的網絡形式之一，它包含輸入層、隱層及輸出層，隱層可以為一層或多層，每層上的神經元稱為節點或單元，輸入單元的活性狀態代表輸入此網絡中的原始信息，每個隱單元的活性取決於輸入單元的活性及該輸入單元與隱單元之間連接權值，同樣輸出單元的行為取決於隱單元的活性及隱單元和輸出單元之間的權值。 前饋神經網路架構

25 研究方法-實際操作 類神經網路演算法架構 類神經網路中的權重值（weight）是根據錯誤更正法則來加以修改，藉由權重值的改善，讓類神經網路的輸出值能夠趨向所期望的輸出值，也就是利用期望輸出值與網路輸出值間所得到的誤差代回倒傳遞類神經網路中以做修正。

26 研究方法-實際操作 基因演算法演算法架構 基因演算法簡稱(GA) ，隨機產生規模為N的群體稱為第0代，然後去評估每一個染色體取適應值。根據挑選機制來複製個體進行遺傳演化。根據個體的適應值，每一次挑選兩個個體當做雙親，適應值較高者被挑選的機率多於適應值較低者，因此高適應值的個體有多次的機會繁衍於後代。雙親根據機率rc決定是否進行交配產生子代，產生後的子代再根據機率rm決定是否要做進一步的突變。 交配是主要的遺傳運算，而突變只是次要的動作。產生後的子代或原來的雙親 (沒有進行交配或突變者) 共同組成下一世代 (仍然是 N 個)，進行直到滿足終止條件為止。  

27 研究方法-實際操作 主要元素分析法（PCA，Principal Component Analysis）

28 結論 學習matlab基礎與進階程式語言學習，訓練多重類神經網路結合基因演算法取出最佳值，透過影像處理使蟲體邊緣化使影像二維轉成一維，取得蟲體樣本資料庫中與數值相符之蟲體加以辨識，讓使用者明顯知道害蟲是屬於哪些種類，皆可防治預防。 當農友們遇到蟲害的時候，可以透過我們的程式加以改良轉至於行動裝置上，讓他們可以在當下讓害蟲加以辨識後，就得知那些害蟲的防治方法與種類，在我們理想的狀況下，希望可以讓我們的程式運用在各種平台上，開發出app或是用於其他商業用途，例如：農業、工業、醫療、生活上…等。 除了害蟲之外也可以分辨其他各種不一樣的東西，將各種資訊，透過系統的整合，轉變成各位使用者所需要的資訊，讓我們設計的程式能被廣泛的使用在各種用途上。

29 感謝教授指導聆聽