Scientific Journal·9月18日 · 周五论文智慧农业 / 农业物联网阅读 4
A REAL-TİME AI-DRİVEN AGRİCULTURAL ROVER INTEGRATİNG PLANT DİSEASE DETECTİON AND GEO-REFERENCED SOİL MOİSTURE ANALYSİS
Gasimov V.A., Dadashov F.H., Hasanov H.B., Huseynov N.E
论文解读
77精选
速览
开发实时AI农业机器人，集成植物病害检测与地理参考土壤湿度分析。
方法
Raspberry Pi上部署目标检测模型，结合GPS和接触式土壤湿度传感器。
发现
田间试验实现85-90%的植物病害检测准确率，并稳定自主运行。
机会点
可探索多模态传感器融合与边缘计算优化，提升复杂田间环境下的实时检测鲁棒性。
影响力18
信息增量21
专业深度17
信源权威13
时效性8
集成深度学习病害识别与地理参考土壤墒情监测的自主农业机器人论文，田间实测准确率85-90%，方法新颖且数据可靠，对精准农业有参考价值。
原文摘要
本文提出了一种用于大规模农田植物健康和土壤湿度实时监测的自主农业地面机器人。该系统将基于深度学习的感知子系统与自主导航及自定义地面控制站（GCS）相结合，实现连续且带地理参考的田间分析。视觉数据通过机载相机采集，并利用目标检测模型（ODM）在树莓派上实时处理，以识别与病害相关的视觉症状，如变色、变形和叶片退化。每个检测到的实例均关联置信度分数，并通过GPS数据精确标注地理位置。与此同时，基于接触式的土壤湿度传感器沿网格化覆盖轨迹以固定空间间隔进行局部测量。所有感知输出与导航数据同步，并通过遥测链路传输至地面控制站，在此可视化并记录带有检测叠加层的实时视频、漫游车轨迹、任务状态和传感器遥测数据，以供任务后分析。在实际运行条件下进行的田间实验证明了稳定的自主运行能力，并实现了85-90%的植物病害整体检测准确率，验证了所提系统在精准农业应用中的有效性。
信源（1 个）