DOI：10.3969/j.issn.1672-3872.2025.07.007
基金项目：广东交通职业技术学院大学生科技创新项目“智慧水田病虫害识别与防治装置研发”（GDCP-ZX-2022-007-N2）；广东交通职业技术学院大学生创新创业训练计划项目“智慧农田病虫害识别与防治装置”
作 者：杨 英 ，丘温河 ，徐泽华 ，陈 殊 ，张瑞详（广东交通职业技术学院，广东 广州 510080）
摘 要：【目的】实现对植物尤其是农作物病虫害的实时、精准检测。【方法】结合最新AIOT技术与人工智能深度学习算法，设计了一款农作物病虫害检测装置。该装置分为数据采集、数据通信、数据处理以及应用软件部分。硬件上除传统 IOT设计外，还使用了OpenMV高清摄像头，并部署了基于深度学习的边缘计算模块；通信上使用了NB-IOT通信技术；算法上采用了YOLOv5算法对病虫害叶片进行实时精准检测，并应用了VAE_LSTM算法对病虫害进行预测。同时，从公共数据集PlantVillage-Dataset上收集了玉米、马铃薯、土豆3类农作物的13种病害叶片数据，进行了模型及算法的测试验证。【结果】20次迭代后，模型分类精度达到94.3%，满足农作物病虫害叶片分类要求。在测试数据集中，选择各类病害叶片输入训练好的模型进行测试，分类准确度均达93%以上。【结论】该装置可用于农田AIOT环境下对背景较为简单的农作物叶片进行图像数据采集与分析，实时监测与识别周边环境中农作物病虫害情况。未来将继续研究真实自然环境下大面积农作物病虫害图像智能识别与防治、病虫害海量数据标准化处理等。
关键词：智慧农业；物联网；边缘计算；病虫害识别
引文信息：[1]杨英，丘温河，徐泽华，等.基于深度学习与边缘计算的农作物病虫害检测装置设计[J].南方农机，2025，56(7)：24-27+31.
查看全文请下载PDF文件↓
