在智慧农业实验中，水稻追肥时机的判断长期依赖农技员下田数叶。团队在试验田部署固定式摄像头与手机补拍两路采集，尝试用视觉模型替代人工叶龄记录。
难点在于叶片相互遮挡、晨露反光以及不同生育期叶形变化。我们采用「先定位茎秆、再沿叶鞘向上分割」的策略，将叶龄拆解为可逐级验证的子问题，并用历史农事记录对齐标签，减少不同观察者之间的口径差异。
当前进展：在三个品种、累计约 4200 个有效样本上，模型对叶龄的 ±0.5 叶判定一致率约为 86%，较人工复核的平均误差缩小约三成；单张图像端侧推理耗时约 120 毫秒，可在田间网关本地跑完。
下一步计划：接入积温与天气预报数据，把叶龄判断推进到追肥窗口建议，并在更多地块验证模型对不同移栽期与肥力水平的稳健性。
评论