在真实田块里做病虫害识别，难点不在模型能否跑通，而在样本少、光照乱、背景杂。本期实验室把问题拆成两段：先解决认得出，再解决喊得准。
数据侧采用农户手机图与定点微距图双源采集，按作物—生育期—病害类型三层标注，同一叶片的多角度图归入同一样本簇，避免同株重复计数导致评估虚高。目前积累有效样本簇约 2400 个，覆盖 6 种作物、11 类常见病害，其中 3 类属早期症状，病斑面积占比低于 5%。
模型侧走轻量化路线：以 320×320 输入在边缘设备上做初筛，疑似区域再回传做高分辨率复核，两级串联后单张推理约 180 ms，可跟上手持终端的拍摄节拍。
要点：
- 误报抑制：将作物种类、生育期与近 7 日温湿度作为田块上下文先验，并把叶斑与药害、缺素的混淆样本单独建模，测试集误报率由 21% 降至 9%，漏报率基本持平。
- 下一步：接入农技人员现场复核标签，跑一轮主动学习闭环，目标是在不新增标注量的前提下把早期症状召回再提升 5~8 个百分点，同时将模型体积压到 8 MB 以内。
评论