温室番茄病害AI识别定制：巡棚效率与误报控制

智慧农业AI定制实验室近期在番茄温室完成一轮病害图像识别的小规模验证。现场部署3个固定摄像头与巡检手机采集叶片图像，覆盖灰霉病、早疫病、叶霉病及健康叶片四类，共标注有效样本约4200张。模型采用轻量卷积网络，在边缘盒子上运行，单张推理约0.4秒，白天光照稳定条件下Top-1识别准确率约91%，误报集中在叶背反光与老叶黄化。

进展：将识别结果接入温室环境数据（温湿度、叶面湿度），当连续高湿且识别到疑似病斑时触发预警，帮助种植户把首次用药观察窗口提前约1天。下一步计划补充阴天与夜间补光场景样本，并降低边缘端功耗，目标连续运行30天不死机。