“这是‘AI柚卫’给出的诊断结果——炭疽病前期，建议限量喷药。”在吉安永新县的蜜柚果园中，项目负责人巫海涛边操作小程序边讲解，屏幕上病叶图像刚一上传，系统几秒钟内便返回诊断与治理建议。38度的高温下汗水从脸颊落下，长势颇好的果园中，一群年青学子的手机镜头正对准果树的叶片。作为团队负责人，巫海涛和一群同样年轻向上的同学们，深刻认识到“我们从农村来，终将要回到农村去”，于是凭借在课堂上学到的知识跨界合作，决定要用AI技术创立AI柚卫来攻克果农病虫害识别的难题。
图1
AI柚卫平台基于ResNet18深度卷积神经网络架构，能像“人脑”一样分析果树病害图像。团队成员邓星薇解释道：“这个算法结构特别轻巧，不像以前那些庞大的网络需要高性能电脑，我们优化过，普通智能手机也能跑。”相较于传统模型，ResNet18通过残差学习结构减少了40%的参数量，并通过跳层连接解决“深层网络不稳定”的老问题，让模型训练更快、识别更准。
展开剩余62%面对蜜柚叶片反光、病斑遮挡等现实难题时，果农难以准确找到问题所在，常常砍错果树。在新干县调研的团队成员们看见了因砍错果树而掉下的果农们的眼泪，因此团队还引入了多光谱与短波红外成像技术来针对性解决农作物表面蜡质层造成的光学干扰问题。这些看不见的“光”，其实可以穿透叶面表层，捕捉到植物内部的水分变化与光谱反应，从而判断出是否存在病虫害。“有时候用肉眼根本看不出来问题，但AI柚卫用近红外图像一分析，就能发现异常。”队员袁闽杰说。
图2 成员调研
除了识别技术，平台还具备强大的交互管理能力。为避免用户重复或无效提问占用系统资源，AI柚卫引入了基于DeepSeek框架的语义边界控制系统，能够自动识别输入内容是否合理，确保AI响应集中、准确。这样一来，果农只需拿起手机对着叶子拍一张照片上传至小程序，AI就能准确给出结论与建议，减少信息噪音，提升效率。
图3 自主产权的病虫害数据库
目前，该项目已实地采集超20万张蜜柚病虫害图像，涵盖江西13个主要产区，平台小程序已服务超8000人次果农使用，识别准确率达98.6%。更重要的是，它改变了过去“凭经验”治果的老习惯，打破了果农“靠天吃饭”的传统困境。
从教室到果园，从实验室到泥地，这群青年学子正在用科技为蜜柚插上“智能羽翼”。项目负责人巫海涛说：“我们希望，‘AI柚卫’不仅是个系统，更是一种信号——青年科技力量，也能在乡村大地上，开出希望之花。”
发布于：湖北省配资开户网提示：文章来自网络，不代表本站观点。
沪深京指数
热点资讯
