作品详情

大赛登录

大赛注册

当前位置：首页大赛首页慧瞳·果园卫士：面向复杂果园环境的轻量化特征增强苹果病害检测系统

大赛简介

大赛作品

大赛动态

联系我们

联系人：王秀秀

电话：010 -66083178

网址：www.qxwq.org.cn　

地址：北京市西城区广安门

内广义街5号广益大厦

大赛作品详情

作品名称：慧瞳·果园卫士：面向复杂果园环境的轻量化特征增强苹果病害检测系统
学校名称：中国石油大学（北京）克拉玛依校区
参赛队伍：工业美队
队伍编号：210818
参赛学生：徐永卓张皓然
指导老师：郭良辉
投票日期：2025年10月10日 00:00->2025年12月15日 00:00
请在微信端进行投票。点此扫描二维码。

详细说明

苹果叶片病害的持续发生严重影响着果品产量与质量，对果园经济效益构成直接威胁。利用普通移动设备拍摄的果园图像往往包含复杂的背景干扰，加之苹果病害在早期阶段通常表现为稀疏分布的微小结痂或褪色斑块，这些特点给现有目标检测方法在实际应用中的准确性带来了严峻挑战。为解决这一难题，本研究提出了一种创新的苹果病害检测算法ADD-YOLO，并成功开发了配套的移动端病害检测应用，为复杂果园环境下的病害精准识别提供了有效的技术支撑。

针对果园环境中病害特征微弱、背景干扰复杂等导致的检测瓶颈，本项目创新性地提出了ADD-YOLO网络架构，将深度学习技术与移动端开发相结合，构建了一套高精度、轻量化的苹果病害智能检测系统。该创意的产生源于我国智慧农业发展中对于病害快速诊断的迫切需求——传统的人工巡检方式效率低下且高度依赖专家经验，而现有的通用检测算法在复杂果园场景中易受光照变化、枝叶遮挡等因素干扰。本作品以苹果主要病害为研究重点，联合多个果园示范基地构建了包含高质量标注样本的专业数据集，通过引入FasterNet轻量化设计与EMA注意力机制，显著提升了模型对细微病斑的特征提取能力和抗背景干扰性能，检测精度较主流模型提升4-6%。

该系统主要面向三类用户群体：果农可通过移动端APP实现实时拍照诊断并获取专业的防治指导；果园技术人员可利用批量检测功能进行区域性病害普查与监测；科研机构则可基于开源模型进行作物病害检测算法的进一步优化与迭代。核心功能包括病害实时检测、置信度可视化、病害知识库查询等，在主流千元级安卓设备上实现了每秒45帧的高速推理，且安装包体积控制在5MB以内，极具部署便利性。

实际测试表明，本系统对苹果病害的病斑级检测精度达到75%以上，类别平均精度（mAP50）达84.6%，性能超越对比的多个SOTA模型（包括YOLO系列、RCNN系列及DETR系列等）。推广前景广阔，目前开发的检测系统已成功扩展至小麦、玉米、草莓等多种作物，覆盖30余种常见病害的精准识别。未来计划通过开源模型与云端协同更新机制，构建覆盖更广的农业病害生态数据库，助力智慧农业技术的普惠化发展。