在智慧农业方向，我们近期完成了一轮水稻病虫害图像识别的田间验证实验，重点不在模型结构，而在数据分布与采集条件对识别稳定性的影响。
实验在三个试验田块进行，采集稻瘟病、纹枯病、稻飞虱危害三类目标，覆盖分蘖期与抽穗期。初步结果显示：正午强光下的过曝叶片会使病斑边界丢失，模型对纹枯病早期云纹状病斑的召回率比阴天低约 18 个百分点；分蘖期冠层密集、叶片相互遮挡，单株定位误差明显高于抽穗期。
要点一（进展）：采用按光照强度与生育期分层的采样策略，并对训练集做分组划分（同株同田块不跨训练/验证集），验证集准确率回落幅度由 12% 收窄至 5% 左右，说明此前的虚高主要来自同株泄漏与光照同质化。
要点二（下一步）：计划在移动端加入基于亮度直方图的采集质量提示，指导农户在合适时段补拍；同时引入多光谱通道作为辅助特征，验证其对早期纹枯病的可分性。当前系统仍定位为巡田辅助筛查，最终判定需结合农技人员复核。
评论