【进阶篇｜人工智能x农业】如何运用人工智能预测棉花叶面积

图。四个输入节点对于网络响应的相对重要性

作物生长和生产力的研究中，叶面积是重要的指标，表着着植物生长、估计植物生产力、分析养分摄取、叶面积之水分管理、杂草管理及其他对植物有害的生物。也因此，有不同的仪器跟预测模型使用跟开发来估算不同作物的叶面积：例如蔬菜和水果。

在这个研究的中，人工神经网络（ANN）预测棉花叶面积，人工神经网络模型能够解释叶面积较准(训练)数据的97.54％变异量、检验（测试）数据的92.32％变异量，叶宽、叶长、第二右叶的长度和第二左叶长分别为用作输入变量。虽然叶宽，叶长，右二叶长和第二左叶长显著的对人工神经网络模型的预测做出了贡献，左叶长略优，贡献32.58％的预测能力。

借由工具帮助我们理解观察这个世界，例如肉眼难以观察的微生物，我们就透过显微镜；肉眼看不远，就利用望眼镜；无法游这么远的距离，就有船、无法潜水，就有潜水艇。而在细微的区别、或大量的数据海中，人类难以记，很难归纳与判断的，例如，身高要高，通常右手还是左手影响比较大？我们得以透过大量数据，利用人工智能、神经网络的方式，利用电脑的深度学习，来扩大我们的五官。

但对于最后的结果，要赋予什么样意义、还有判别资料结果还是得靠我们人类。

就如同，用显微镜，帮助我们看见微生物，我们不会害怕显微镜，那毕竟是工具而已，而看见微生物后，有什么用处？只有我们自己知道。