作物病害AI识别定制：田间弱光与多病害混淆

智慧农业里，病害识别的难点往往不在模型结构，而在数据分布。我们在一个蔬菜基地的试点中，围绕番茄、黄瓜的6类常见叶部病害搭建识别流程：前期用手机与固定摄像头混合采集约3000张田间图像，直接训练后，霜霉与早疫的混淆率接近两成——在弱光与叶背反光的条件下，两者病斑边界高度相似。

要点一（进展）：把标注方式从「整叶单标签」改为「病斑区域框选＋置信分级」，并用类别混淆矩阵反向指导补采，优先补齐清晨、阴天与叶背视角样本；两类易混病害的错分率降至约6%，模型经量化压缩后在边缘网关单帧推理约80ms，可支撑巡检端离线使用。

要点二（下一步）：接入棚内温湿度与灌溉记录，验证「环境上下文＋图像」的联合判断，能否进一步区分生理性黄化与侵染性病害，减少无效施药建议。