设施农业中病害早期识别依赖植保人员巡田，人力成本高且时效有限。本实验室近期围绕温室番茄叶部病害识别开展轻量化模型实验，目标是在边缘端设备上实现离线实时诊断。阶段进展：
- 基于改进的轻量级卷积网络，在自建番茄病害数据集（覆盖晚疫病、灰霉病、叶霉病等6类常见病害及健康叶片，约1.2万张图像）上，识别准确率达93.4%，单张推理耗时约80毫秒，已可在嵌入式终端部署；
- 针对温室光照多变与病斑形态相近导致的混淆问题，引入光照归一化与注意力机制，将易混淆类别（灰霉病与叶霉病）的区分准确率提升约7个百分点。
下一步计划：将数据采集扩展至不同温室批次与生育期，验证模型跨场景泛化能力，并探索结合温湿度环境数据的病害风险联合建模，推动识别结果向防治决策延伸。
评论