在智慧农业方向，我们近期在合作园区做了一组小规模试验：把棚内固定摄像头拍摄的叶片图像，与温湿度、光照、基质含水率等时序数据放在一起做早期病害风险提示，而不是等到肉眼可见时才报警。
进展与数据：在番茄、黄瓜两个棚区内，针对早疫病与白粉病的早期症状（叶面斑点、霉层初现）训练识别模型，自建集上召回率约 0.85，误报主要来自老叶反光与叶面水珠；进一步引入连续三天的温湿度窗口，要求“图像疑似病斑”与“环境利于发病”同时满足才推送预警，日均可疑提醒从 30 余条降到 8 条左右，种植户的实际查看率明显提高。
下一步计划：一是补充夜间红外图像与不同品种、不同生育期样本，降低季节性偏差；二是把预警输出接入既有的通风与水肥控制策略，用“预警—干预—复检”的闭环去验证是否真的减少了用药次数，而不只是提升识别指标。
我们更关心的问题是，农业场景样本天然不均衡、病害发展又有明确时序性，单纯堆图像数据收益有限；把环境数据与农事记录一并建模，可能是更务实的路径。
评论