臺灣為世界主要蘭花出口國之一，種類繁多，但因其觀賞性質，若受病毒危害會影響外觀、降低價值，會造成農民的重大損失。現今檢驗方法包括逆轉錄聚合酶反應(Reverse Transcription-Polymerase Chain Reaction, RT-PCR)、酵素連結免疫吸附分析法(Enzyme-linked immunosorbent assay, ELISA)等等，皆耗時、需耗材且需專業人士操作，並需採集植物檢體檢測，傷害植物本體，作為觀賞性植物，若傷害到葉片，便失去了其商業價值。本技術結合蘭花光譜資訊，以數據分析蘭花是否含有病毒，以非侵入式且無耗材之方式收取光譜資訊後，建立資料庫並作數據分析。目前以三種演算法分析結果，分別是貝氏分類法、感知器模型、支援向量機，準確率分別是57%、59%、64%，將來還會再提升準確率，優化演算法。

[1] 張清安：蘭花病毒之特性與預防對策。取自https://www.baphiq.gov.tw/UserFiles/58.pdf
[2] 張清安。1994。蘭花病毒之特性與防治。蘭花經濟栽培技術。賴本智等主編。行政院青年輔導委員會創業輔導叢書三-17。行政院青年輔導委員會出版。
[3] 張清安。1996。植物病毒鑑定及診斷新技術。植物保護新科技研討會專刊。臺灣省農業試驗所特刊第57號。臺灣省農業試驗所編印。
[4] White, Tom. Hadoop (2012). The Definitive Guide(3rd ed.). United States of America: O'Reilly Media.
[5] Python 3.6.4. Python Software Foundation (2017-12-19).
[6] Python Language Guide (v1.0). Google Documents List Data API v1.0. Google.
[7] Sebastian Raschka (2015)。Python 機器學習(劉立民、吳建華譯)。新北市：博碩文化。(2016年8月初版)。
[8] The Scipy community. scipy.signal.savgol_filter (Last updated on Oct 24,2015). From https://docs.scipy.org/doc/scipy-0.16.1/reference/generated/scipy.signal.savgol_filter.html
[9] William H. Press, Saul A. Teukolsky, William T. Vetterling & Brian P. Flanery (2007). Numerical Recipes: The Art of Scientific Computing(3rd ed.). Hong Kong: Golden Cup.
[10] Ethem Alpaydm(2010). Introduce to Machine Learning (2nd ed.). Cambridge, Massachusetts & London, England : The MIT Press.
[11] 華校專、王正林 (2017)。Python大戰機器學習。北京：電子工業出版社。
[12] Shaou-Gang Miaou; Jin-Syan Chou (2012). 《Fundamentals of probability and statistics》. 高立圖書
[13] Gallant, S. I. (1990). Perceptron-based learning algorithms. IEEE Transactions on Neural Networks, vol. 1, no. 2, pp. 179-191.
[14] Cortes, C.; Vapnik, V (1995). Support-vector networks. Machine Learning.