AI果园产量预估：花期影像与坐果率校正

在智慧农业场景中，果树产量早期预估长期依赖人工花期目测，受品种、树龄与天气影响，误差常超过30%。本阶段实验以苹果园为对象，将无人机RGB与多光谱影像对齐到单株尺度，提取花序密度、冠层覆盖度与叶面积指数，再叠加历史坐果率、花期温湿度与风况，训练轻量回归模型输出单株产量区间。为避免“花多即果多”的误判，模型引入疏果强度与上一产季负载作为校正项。

进展：在山东某矮化苹果园完成两季验证，花后30天预估的MAPE约为12.4%，较人工目测法的21.8%明显收敛；单株误差超过20%的样本主要集中在边缘行与授粉树缺失区。

下一步：把梨、桃纳入跨品种验证，并接入疏果作业记录与蜂箱位置，尝试将校正项从静态系数改为事件驱动更新。当前结论仅适用于矮化密植果园，乔化老果园的冠层遮挡仍需补充低空倾斜摄影。