温室环境高湿多雾、光照多变，叶片病害早期症状与生理性黄叶极易混淆，是识别模型落地的难点。本阶段团队围绕番茄晚疫病、灰霉病与白粉病，构建了覆盖三个生长周期的田间图像库，并采用病斑区域分割式标注替代整图分类，使模型关注点与病理特征对齐。方法上以轻量骨干网络为基座，通过病斑裁剪增强与光照域随机化，缓解棚内逆光与水汽干扰；部署端采用边缘计算盒，单帧推理控制在毫秒级，适配巡检机器人边走边拍的作业节奏。
阶段进展：
- 在自建验证集上，三种病害早期识别精确率达91.2%，生理性黄叶误报率由初版的18%降至6.4%；
- 边缘端连续72小时运行，平均单帧延迟87毫秒，未出现发热降频。
下一步将把巡检图像与温湿度记录做时间对齐，验证“病害识别+环境归因”联合判断能否提前2~3天给出预警，并在合作基地开展小面积试运行。
评论