基於CNN之香蕉葉部

疾病影像辨識APP

本專題透過CNN (convolutional neural network)卷積神經網路，對於香蕉葉部的各種疾病進行監督式學習，選擇六種常見的香蕉疾病作為辨識目標進行訓練，並將訓練結果放入Android APP中，並結合CameraX功能以及相簿選取，讓使用者能夠透過拍照及相簿圖片立即取得辨識的結果。

專題老師 : 葉道明教授專題學生 : 黃博軒、傅晟嘉、史佳鎧

系統架構

模型架構

模型本身以CNN架構為基礎，透過三層卷積層提取圖像特徵，並將結果分為六類( 包含五種香蕉葉部疾病，以及健康的香蕉葉 )。 1. 使用卷積層提取特徵，通過 ReLU 函數進行非線性映射。 2. 透過批量標準化層加速收斂和減少過擬合問題 3. 通過最大池化層降低特徵圖的尺寸。 4. 使用全連接層進行分類。此外為求更佳的學習效果和收斂速度，將資料進行適量批次處理。用以提升整體模型的泛化效果，降低過擬合的情況發生，同時提高模型整體判讀的正確率。為減少訓練過程中的迭代次數所耗費的時間，透過正規化流程將轉成張量的數據標準化，縮小其數據範圍，加強模型的收斂速度、穩定性和泛化能力。