农业监测重大突破！机劳去病团队研发出首款基于AI大模型的病虫害数智化诊断终端系统

农业监测重大突破！机劳去病团队研发出首款基于AI大模型的病虫害数智化诊断终端系统

近日，由大连财经学院创新创业学院牵头组织，来自大连财经学院吴依凡、澳门科技大学王潇等15名高校学生组成的“机劳去病”团队取得了农业领域的重大突破，成功研发出首款基于AI大模型的病虫害数智化诊断终端系统。这一系统的研发，将为我国农业现代化注入新的动力，为病虫害防治提供更精准的解决方案，助力乡村振兴。

依托AI大模型，开创病虫害智能化监测新时代

据团队介绍，该病虫害诊断终端系统的核心技术是基于改进型YOLOv5模型及国产芯片ESP32，结合无人机对作物的病虫害进行立体化识别，实时收集包括PH值、温度、湿度等环境数据，精准监测农田中的病虫害状况。通过AI算法分析，系统能够自动生成应对病虫害的农药喷洒方案，并通过植保无人机进行精准喷洒，提升农业生产效率，减少农药使用量。

“通过无人机和AI的结合，我们能够实现全天候监控农作物的健康状况，实时分析病虫害数据，为农民提供精准的防治建议，”团队成员吴依凡介绍道。这一创新性系统的推出，意味着农民无需再依赖传统的人工巡查和经验判断，能够更早地发现和应对病虫害问题，极大降低作物损失风险。

技术突破，赋能农业高效生产

该系统的开发融合了多项前沿技术，包括无人机飞控系统的二次开发，数据收集和分析平台的搭建，以及LSTM算法的引入，使其在病虫害识别和诊断方面具有极高的准确性。大连理工大学孙瑀辰提到：“我们使用的YOLOv5模型经过深度优化，结合LSTM算法，系统的病虫害识别准确率高达96%。不仅如此，利用无人机立体化病虫害检测功能，农药使用量减少了20%以上，符合可持续农业的发展趋势。”系统还具备强大的可扩展性，能够适应不同的农作物品种和病虫害类型，提升了农业生产管理的智能化和精细化水平。

构建病虫害样本数据库，奠定智能识别基础

该系统的核心亮点之一是构建了一个涵盖水稻、小麦和玉米三种作物的病虫害样本数据库。数据库收录了15种常见病虫害的高分辨率图像，每种病虫害包含数百至上千幅图像，总计收录了17624张原始JPG图像，用于AI模型的训练和优化。数据库还包括介绍病虫害基本信息与防治方法的文档，为农业从业者提供了完整的参考资料。

系统在数据库的支持下，基于AI的病虫害诊断终端能够实时监测并精准定位病虫害的发生区域，并且通过内嵌的LSTM算法，给出针对性的农药喷洒方案，极大提升了病虫害防治的智能化和精细化水平。

技术创新引领未来，助力农业现代化

该系统的成功研发标志着农业病虫害防治迈入了智能化时代。通过运用自主研发的专利技术、先进的AI算法和无人机立体监测技术，系统不仅提高了农业生产的效率，还减少了农药的使用，降低了对环境的影响。

“我们构建的病虫害样本数据库，为AI模型提供了强大的训练基础，确保了病虫害诊断的高精度和高效性。”团队成员孙瑀辰表示，“通过这一系统，我们可以为全国的农业生产者提供实时的病虫害监测服务，减少农作物损失，提升粮食产量。”

上海理工大学的许子乐补充道：“我们将继续优化这一系统，并在未来将其推广至更多的作物品种和农业领域，为国家粮食安全和农业现代化做出更多贡献。”

通过不断的技术创新和科研投入，“机劳去病”团队的研发成果将推动智慧农业的进一步发展，并为我国的农业现代化和乡村振兴战略提供有力的技术支持。

助力乡村振兴，引领智慧农业新潮流

澳门科技大学的王潇指出，该系统的低功耗特性也是其一大亮点。采用的国产ESP32芯片不仅能耗低，且具备高性能，使得系统能够长时间稳定运行，适合在不同农田环境中应用。西安石油大学的刘欣怡则表示，该系统的推广应用，将有效减少人工成本和农药的滥用，提高农业产量和农民的经济效益。

目前，机劳去病团队已经与多家农业科技公司达成合作协议，推动该系统在全国范围内的推广使用。上海理工大学许子乐表示：“我们相信，随着该技术的广泛应用，将进一步推动我国农业的智能化进程，提高农业生产效率，为乡村振兴提供有力的科技支持。”

“机劳去病”团队通过不断创新，不仅在技术层面取得了突破，更为我国农业现代化发展提供了宝贵的经验和参考。这一系统的成功研发，将开启农业病虫害防治的新篇章，引领智慧农业的新潮流。