AI水稻病害识别定制：田间光照与样本不均衡

在智慧农业方向，我们近期把水稻病害识别从实验室数据集推进到真实田块。难点不在模型结构，而在田间光照剧烈变化、病斑尺度小、健康样本远多于病叶。为此，实验采用两步法：先以轻量分割网络定位叶片与病斑区域，再在裁剪图上做细粒度分类，减少背景干扰。针对样本不均衡，按病害严重度分层采样，并引入光照、角度与遮挡增强；边缘端以 INT8 量化部署，单帧推理约 45 ms。

进展：在三个试验田采集 1.2 万张图像，稻瘟病与纹枯病识别 F1 由 0.78 提升至 0.89，误报率下降约 30%。
下一步：融合多光谱与气象数据，尝试早期隐症识别，并验证跨品种泛化。