EN
学团工作
学团组织
团委工作分工
学生组织架构
E帆之星
学团动态
科创竞赛
竞赛简介
优秀作品展示
荣誉墙
通知公告
通知公示
王秀杰、张传龙、朱泽瑞、焦烁月
徐连诚、武海波
项目紧扣农业智能化需求，研发了基于 YOLOv5 的作物病症检测系统。系统针对作物病害特征优化模型结构，构建了包含小麦、水稻等 60 余种病害的专属数据集。
通过模型剪枝与量化技术，实现了系统在边缘设备的离线部署，彻底解决了田间无网络环境的使用痛点，大幅降低病害损失。
基于多尺度训练与数据增强的模型优化方案
采用颜色变换、亮度/对比度增强及高斯模糊等技术，有效解决光照干扰问题，提升模型在复杂环境下的鲁棒性。
基于 YOLOv5 进行多尺度训练与网络架构优化，针对小尺寸病斑进行专项提升，确保微小病害也能被精准识别。
通过模型剪枝与量化技术，将庞大的深度学习模型成功移植到边缘设备，实现毫秒级离线检测，适配田间作业。
大规模采集并标注了涵盖小麦、水稻、蔬菜等多种作物的 60 余种病害样本，构建了高质量的专属训练数据集。
持续优化算法架构，结合边缘硬件升级，实现毫秒级检测响应与接近 100% 的识别准确率，适配极端复杂场景。
融合物联网与智能农机，联动灌溉、植保系统，形成“病害检测-分析-决策-执行”的全流程闭环管理。
不仅识别现有病害，更探索病害发展趋势预测功能，助力农户提前制定防治策略，将损失扼杀在萌芽阶段。
搭建病害知识图谱，在输出检测结果的同时推送定制化防治方案与农药配方，提升农业生产精细化水平。
【关闭】
