在智慧农业场景里，水稻追肥时机长期依赖农技员下田数叶龄，一人一天最多看几十块田，且不同人判读差异明显。本实验室近期完成一组实验性探索：用田间固定杆相机与无人机俯拍图像，先做稻株分割与主茎定位，再按叶枕露出程度回归叶龄值，输出每块田的叶龄区间，用于判断是否进入追施窗口。
进展方面，在三个试验点约 180 个小区上，模型对叶龄的绝对误差中位数为 0.4 叶，追施窗口（叶龄 3.5~4.5）判定的召回率约 92%，误报主要集中在阴雨天逆光拍摄与密植遮挡严重的田块。当前做法不追求替代农艺标准，而是给出可复核的参考值，并保留人工抽检入口。
下一步计划：一是补充分蘖末期与孕穗期的对照样本，验证叶龄回归在全生育期的稳定性；二是把叶龄与积温、土壤墒情数据联合建模，尝试提前 3~5 天给出追肥提醒；三是把推理模型压缩到田头边缘盒子，弱网环境下离线出结果。
评论