在智慧农业方向，我们近期完成了一组温室巡检的验证实验。目标很朴素：让巡检机器人或固定摄像头在真实棚内条件（逆光、雾滴、叶面反光、叶片重叠）下，稳定给出叶部病害的初筛结果，并把异常点位反馈给巡园路径。
进展方面，我们把流程拆成三段：图像质量预判（模糊、过曝直接丢弃并触发复拍）、叶面分割与病斑定位（先定位叶片再分级，减少背景误判）、以及巡检序列优化（按异常概率与棚区通行成本排序，优先复查高风险区）。在自建的小番茄与黄瓜数据集上，初筛准确率约 88%，误报主要来自水渍与药斑；开启复拍后单点确认耗时增加约 6 秒，但人工复核量下降约四成。
下一步计划：1）补充不同生育期与补光时段的样本，验证模型跨季稳定性；2）把巡检结果与灌溉、通风等环境数据对齐，观察病害发生与环境因子的关联，为后续预警做铺垫。
需要说明的是，当前定位仍是“初筛+人工确认”，不替代植保判断，重点是把人工从重复巡棚中解放出来。
评论