研究论文探讨了如何使用卷积神经网络算法开发一款基于 Android 的实时图像识别应用，以应对母语背景下的多语言教育挑战

MTB-MLE 教师遇到了几个挑战，并在教学中使用了类似的策略。 MTB-MLE 教师遇到的一些挑战是缺乏母语材料和词汇量。 教师使用诸如将教学材料翻译成母语等策略。 因此，研究人员对上述问题进行了研究，以开发卷积神经网络算法分类模型，并将其概念应用于开发基于 android 的应用程序，该应用程序将对本地蔬菜进行分类和识别，这将有助于作为山地车的附加教学材料- MLE 教师。 研究中采用了多方法研究方法。 研究人员还采用了现象学调查和数据饱和标准。 主题分析用于分析定性数据。 分析方法用于帮助研究人员从广泛阅读数据转向发现模式和构建全球主题。 实验是通过使用 449 个蔬菜图像进行的。 数据集分为 3 类，马铃薯 (Solanum tuberosum) 具有 125 个图像，番茄 (Lycopersicum esculentum) 具有 163 个图像，苦瓜 (Momordica charantia L. Amargoso) 分别具有 161 个图像。 每张图像的尺寸为 300 x 300 像素，为 JPG 格式。 基于所进行的实验，该模型获得了平均 92.8% 的准确率。 此外，该应用程序将有助于教师作为额外的学习材料，并可用于形成性任务。