在智慧农业场景中，病害的早期识别往往决定防控成本。本实验室近期围绕温室番茄的叶部病害，做了一轮小规模实验性探索：不以替换现有种植经验为目标，而是验证「图像+环境数据」能否在症状明显之前给出预警。
方法上，我们采集了番茄叶片的正反面图像，并同步记录温湿度、光照与基质含水率，将图像特征与环境时序做联合建模。难点在于早期病斑面积小、与健康组织的色彩差异有限，单靠视觉模型容易与缺素、日灼混淆。因此我们让环境数据参与判断：连续高湿且叶面结露时段，模型对早疫病的敏感度提升明显。
进展方面：在小样本条件下，模型对早疫病与叶霉病的早期识别在验证集上取得可用水平，误报主要集中在营养胁迫样本，仍需人工复核。
下一步计划：扩充不同品种与茬口的样本，并把预警输出接入温室的通风与除湿控制逻辑，观察实际防控效果。目前该探索仍处于试验阶段，不作产量承诺。
评论