基于深度学习与边缘计算的农作物病虫害实时识别与变量喷药控制系统设计.docxVIP

PAGE2

基于深度学习与边缘计算的农作物病虫害实时识别与变量喷药控制系统设计

摘要

农作物病虫害是威胁粮食安全的主要因素之一，传统人工巡检与固定喷药模式存在识别滞后、农药浪费和环境污染等突出问题。本课题以“实时精准识别、协同变量喷施”为设计目标，提出并实现了一套基于深度学习与边缘计算的农作物病虫害实时识别与变量喷药控制系统。系统核心方案为：在无人机机载边缘计算平台部署轻量化病虫害识别模型，实现田间低空遥感图像的毫秒级推理；设计无人机-地面机械协同变量喷药自适应控制策略，根据病虫害分布热力图动态调整喷头流量与作业路径，达成“按需施药、精准控量”。

论文遵循“需求分析→总体设计→详细设计→实现→测试”的工程递进思路展开。首先，分析了精准农业对病虫害识别实时性与喷药精确性的迫切需求，明确了系统功能与非功能指标；其次，对比了多种深度学习模型轻量化方案与边缘计算硬件，完成技术选型；在此基础上，设计了包含数据采集层、边缘推理层、协同控制层和应用层的四层系统架构；详细设计了轻量化病虫害识别模型的训练与部署流程，以及无人机-地面机械协同变量喷药控制算法；最后，搭建原型系统并完成功能与性能测试。测试结果表明，轻量化模型在边缘设备上推理速度达32FPS，平均识别精度mAP@0.5为91.7%，变量喷药系统响应延迟小于200ms，较传统恒量喷药节省农药约35%。本课题的创新之处在于将模型剪枝