轻量化CNN在移动端植物病害识别中的部署实验_2026年3月.docxVIP

PAGE

PAGE1

轻量化CNN在移动端植物病害识别中的部署实验

第一章实践问题识别与需求分析

1.1现实问题背景与紧迫性分析

当前农业领域中，植物病害识别主要依赖人工经验或实验室检测，效率低下且成本高昂。农民在田间难以实时判断病害类型，导致防治延误，造成作物减产甚至绝收。据统计，全球每年因植物病害导致的粮食损失高达20%至40%，尤其在发展中国家，小农户缺乏专业支持，问题更为突出。移动端智能设备的普及为现场识别提供了潜在工具，但现有深度学习模型因计算资源需求高，难以在手机等边缘设备上高效运行，限制了技术的实际应用范围。

病害识别不及时引发的连锁反应已波及全球粮食安全体系。联