AI水稻病害识别定制：田间光照与叶片遮挡

智慧农业里的病害识别，难点通常不在模型结构，而在田间的成像条件。手机或固定相机在真实稻田拍摄时，叶片重叠、逆光、露水反光会让同一病症呈现完全不同的纹理，实验环境下九成以上的准确率往往落不到地里。

本轮实验以稻瘟病、纹枯病与健康叶三类为目标，在自有试验田按早、中、晚三个时段采集 1.2 万张图像，统一标注口径后由两名植保人员交叉复核，标注一致性 Kappa 为 0.83。训练侧加入随机遮挡与光照扰动增强，推理侧先做叶片区域分割再分类，减少背景土壤与水面的干扰。

要点：
· 在逆光与叶片重叠场景下，三类识别 F1 由 0.78 提升至 0.89，单张推理约 120ms，可在中端手机端侧运行；
· 下一步把识别结果与田间小气候数据关联，输出是否达到防治阈值的判断，并给出施药窗口建议，减少见病就打的过量用药。

结论仍偏保守：阴雨天成像质量下降时误报会上升，我们正在补充雨天样本，并将置信度低于阈值的图像转入人工复核队列。