AI Powered IoT-Based System for Weed and Pest Control in Agriculture Using Deep Learning
提出AI+IoT系统，用深度学习和激光机器人实现杂草与害虫识别及自动清除。
IoT传感器、CNN视觉分类、无人机/机器人平台与激光除草，云边协同处理。
杂草分类准确率97.6%、害虫识别96.8%，农药减42.3%，增产18.7%。
可探索激光除草对非靶标生物与土壤的长期生态影响，及多作物跨域模型泛化。
论文给出97.6%杂草识别率、42.3%农药减量等量化结论，方法新颖且数据完整，但期刊权威性一般，属细分领域技术进展。
在杂草侵扰日益加剧的背景下，杂草、病虫害侵袭、劳动力短缺以及过度依赖化学农药是农业部门面临的严峻挑战。人工除草和病虫害防治具有潜在的环境负面影响，会增加生产成本并降低产量。人工智能（AI）、物联网（IoT）、深度学习、机器人技术及激光技术的应用，是发展可持续自主农业系统的有前景的途径。本研究提出一种基于人工智能（AI）和物联网（IoT）的智能农业系统，用于杂草识别、有害昆虫识别、作物状况监测以及利用激光束自动除草。该系统将基于物联网（IoT）传感器、计算机视觉模块、卷积神经网络（CNN）、无人机器人平台、环境感知系统及电子蜂群抑制（ESS）机制，以提高农业生产力并减少作物损失。该系统采用深度学习算法对杂草、作物、有益昆虫和有害昆虫进行实时分类。高分辨率摄像头和传感设备持续采集环境与作物数据，并将数据输入物联网系统，在云边计算系统中进行处理。通过配备激光发射器的机器人平台实现高精度除草，且不伤害邻近作物。此外，利用计算机视觉和环境监测来识别空中昆虫蜂群，并通过激光束和ESS技术实现对昆虫蜂群的自动攻击。研究采用多个农业区块对玉米、小麦、大豆和蔬菜作物进行了实验评估。结果表明，与当前做法相比，杂草检测、病虫害识别、作物保护的准确性显著提高，作业成本得以节省。所提出的系统在杂草分类中达到97.6%的准确率，昆虫检测准确率为96.8%，农药使用量减少42.3%。此外，作物产量提高18.7%，作业成本下降28.4%。总体而言，结果表明人工智能驱动的物联网能够显著增强精准农业并促进可持续粮食生产。