AI果园产量预估定制：花期影像与疏果量修正

在果园产量预估的实验中，真正的难点不是花量识别精度，而是花量与最终产量之间的非线性关系：树势、疏果强度、花期天气都会让相近的花量对应差异明显的坐果结果。因此我们把任务拆成两段——花期用轻量分割模型在手机与无人机影像上统计花序数量，按树冠分区输出花量分布；坐果后再引入疏果记录、膨果期积温与降水，用一个校正层把花量映射为产量区间，而不是单一数值。

要点一：在三个苹果与梨园区的试验样本上，花量计数与人工复核的偏差约为 ±8%，阴天与逆光条件下偏差略大，已通过分区曝光归一化改善。

要点二：加入疏果与气象校正后，单株产量预估的平均绝对误差从 21% 降至 13%。下一步计划把物候期识别做成自动触发，用膨果期影像做二次校正，并验证跨品种迁移时需要多少本地样本。