作物水分影像預警模型

本研究針對水稻智慧農業落地所面臨的高設備成本與操作門檻等困難，提出一套以手機拍攝之 RGB 影像為基礎，透過生成式智慧（Generative AI）技術轉換成類光譜訊號的水分預警模型。該模型整合多種水分與紋理特徵（如 NDWI、LWCI、Wavelet-based Spectral Features、GLCM-based Texture Features 等），能夠即時解析作物生理狀態並量化水稻的水分風險指標。在方法論上，模型運用影像前處理、特徵萃取及機器學習技術，實現從低維度 RGB 到近似高光譜資料的深度估測，使農戶與管理者可藉由簡單拍攝與雲端或在地分析，快速獲得精準的水稻健康評估。相較於傳統昂貴且維護複雜的高光譜設備，此方法在硬體成本與操作便利性上顯著降低了門檻，同時維持高度的可靠度與應用廣度。未來，該技術不僅可用於水分監測，也能擴展至病蟲害檢測與營養診斷，並與大數據、物聯網（IoT）系統進行跨平台整合，為智慧農業提供具經濟效益且高可擴充性的全方位解決方案。