温室番茄病害AI识别定制：小样本与边缘巡检

在山东寿光两个番茄温室，我们启动了一项小样本病害识别实验。目标不是替代植保员，而是把巡检中“疑似病叶”先筛出来。做法是：用手机与固定摄像头采集6个棚区的1200余张叶片图像，覆盖早疫病、灰霉病、白粉虱等8类常见问题；每类仅保留30~50张高质量标注，配合主动学习持续补充边界样本。模型采用轻量检测网络，经INT8量化后部署在边缘盒，单张推理约280毫秒，可离线运行。阶段进展：在留出棚区的验证集上，病叶召回率约86%，误报约12%；湿度高、叶片重叠时误报上升，我们加入棚内温湿度与光照作为辅助特征后，误报降至约9%。下一步计划：把识别结果与放风、滴灌建议联动，先做提醒不做自动控制；同时补充阴天与傍晚弱光样本，观察跨季节稳定性。