在数字化与智能化的浪潮下，本项目致力于通过软硬件结合的方式，实现对作物病虫害  的高效识别与智能管理， 通过引入深度学习算法与硬件设备， 提升农业生产的智能化水平。

在软件方面， 本团队利用 YOLOv8 算法， 通过各类农作物病虫害图片数据集共计 2500 余张进行模型训练，实现了对农作物病虫害的目标检测识别。通过实际实施，该技术在实时 检测识别任务中展现出良好的性能。

在硬件方面， 项目采用 Intel N97 哪吒开发板 。通过 Docker 进行容器化部署， 确保了系 统的稳定性与可移植性。其上搭载的摄像头模块能够实时捕获病虫害图像，并通过深度学习 算法进行识别与分析 。同时项目还配备了激光灭虫模块以及 XY 轴舵机，实现了小车的驱除 害虫与避障功能 。小车采用传动羊角悬挂和减速电机/轮毂电机， 确保了其在复杂环境下的 稳定运行。

在数据处理与传输方面， 通过 ChatGPT4o 为用户提供了查询病虫害识别结果的途径 。 将相关数据回传至数据平台， 并存储至数据库， 通过提供农作物生长相关参数问答数据集， 使用 LLaMA-Factory 微调训练 ChatGLM3-6B 模型为农作物生长提供种植的相关建议。

本项目通过软硬件的结合，实现了对作物病虫害的高效识别与智能管理。这一创新性的 解决方案不仅提高了农业生产的效率和质量， 还为我国农业的可持续发展注入了来自 AI 新 的动力， 同时也体现出随处 AI 体验。