研發現況

字級:
小字級
中字級
大字級

AI自動化菇類分級技術

資料來源:國立虎尾科技大學/周榮源、黃文信

一、前言

菇類生產已為台灣農業的重點產業之一,年產量逾15萬公噸,產值約137億元,但多數作業仍相當依賴人力,亦不易吸引年輕世代投入作業。而根據行政院資料顯示台灣已正式邁入高齡社會,加上少子化,致使台灣農業勞動力正逐漸老化與短缺,急需進行菇類生產製程自動化之研發與技術創新,以因應未來台灣勞動力不足等問題。

二、AI菇類分級技術

本研究之技術初期以探討杏鮑菇的分級為例;傳統作業流程主要透過人員採收、分株與裁切並判斷菇體外觀(菇柄、菇褶、菇傘)來實現分級,人力倚靠程度高。本研究基於嵌入式系統Raspberry Pi結合自動輸送與攝像模組(圖一),利用AI深度學習(Deep Learning)對採收後的菇體進行等級辨識,透過卷積神經網路(Convolutional Neural Network)來建立等級辨識Model。

圖一、AI自動化菇類分級-原型概念試驗機。圖一、AI自動化菇類分級-原型概念試驗機。

針對合作的菇場進行圖像資料的收集與辨識,主要分為A、a、B、C四個級別(圖二),並利用Grad-CAM方法來視覺化神經網路分類時所關注的區域,顯示Model依據菇柄、菇摺及菇傘等部位之特徵作為分級的依據(圖三)。經由訓練完的神經網路進行等級辨識與框選,並估算菇體的長度顯示於畫面左上角(圖四)。

圖二、合作菇場之分級方式。圖二、合作菇場之分級方式。
圖三、AI自動化菇類分級-深度學習關注區域視覺化。圖三、AI自動化菇類分級-深度學習關注區域視覺化。
圖四、AI自動化菇類分級-目標識別與量測。圖四、AI自動化菇類分級-目標識別與量測。

三、結語與未來展望

本研究於實際分級測試後使用多項統計評比方法來評估神經網路與系統的分類分級表現。在等級辨識成功的準確率可達到93.18%,在其他統計評比也有不俗的表現(圖五),顯示本研究之技術能有效且即時地分類分級菇體等級,於未來可降低培訓等級判斷人員所需人力成本。

圖五、AI自動化菇類分級-模型分類性能指標。圖五、AI自動化菇類分級-模型分類性能指標。

▲研發團隊:國立虎尾科技大學

聯絡人:周榮源 教授

電話:05-6315364

E-mail:ryjou@nfu.edu.tw

TOP