PROJECT INTRODUCTION

项目介绍

海南省地处热带季风气候区，高温高湿环境导致热带作物病虫害种类繁多、传播迅速。

本系统在树莓派边缘部署EfficientNet-B4模型开展叶片病害识别，并与光储供电及传感数据协同，实现对槟榔、油棕、橄榄等作物的精准诊断与滴灌联动。

开始使用 →

Project Introduction

基于AI的热带作物病虫害检测平台

运用生成式AI技术，为热带作物病虫害诊断提供智能化解决方案

01. 数据采集与样本构建

海南省地处热带季风气候区，高温高湿环境导致热带作物病虫害种类繁多、传播迅速。传统人工识别方式存在明显的滞后性、主观性强、识别精度低等问题，远远无法满足当前规模化、精准化农业管理的实际需求。
为此，我们通过采集大量热带作物典型病害图像样本，结合先进的数据增强技术，构建高质量病害图像数据集。该数据集覆盖了多种作物在不同生长阶段、不同光照条件下的病害表现，为模型训练提供了坚实基础。

02. 边缘推理与病害检测

本系统在树莓派4B边缘侧部署EfficientNet-B4模型，完成热带作物叶片病害的本地推理与置信度评估，并与光储供电及土壤、环境传感数据联动，驱动电磁阀与水泵实现精准滴灌，提升复杂田间条件下的实时性与可执行性。
目前已覆盖槟榔、油棕、橄榄、椰子、芒果等多类热带作物病害识别，验证集病害分类准确率约93.39%，并与光储滴灌控制协同，为节水节药与稳产提供可靠支撑。

03. 三层架构与全流程自动化

系统架构涵盖前端图像采集模块、云端数据中台与模型推理引擎三层结构，支持从图像输入到诊断结果的全流程自动化处理。用户通过移动端或网页上传作物叶片图像，系统自动完成预处理、特征提取、病害分类与置信度评估。
最终生成可视化诊断报告及防治建议，包括病害名称、严重程度、推荐药剂及施药时机等信息，极大提升农业管理效率，帮助农户实现精准防控、减药增效。