Intelligent Detection System for Rice Pests and Diseases Based on UAV and Deep Learning

方法

无人机多传感器采集图像，结合轻量YOLO目标检测算法与四层系统架构。

发现

系统平均检测精度达85%-95%，显著提升监测效率并减少农药投入。

机会点

可探索小样本与跨区域泛化检测、边缘端实时推理及检测结果到精准施药的闭环决策。

我国水稻种植面积广阔，病虫害是制约水稻产量与品质的关键因素。传统人工田间巡查的病虫害监测方式存在效率低、主观性强、覆盖范围有限、防控滞后及农药滥用等问题。本文结合无人机遥感、多传感器采集与轻量化YOLO深度学习目标检测算法，研发了“Agri-IntelliDet”水稻病虫害智能检测系统，构建了包含数据采集层、传输层、处理层和应用层的四层架构，实现稻田图像自动采集、病虫害智能识别与定位、数据分析、可视化展示及监测报告自动导出等功能。该系统适用于规模化农场、家庭农户、植保部门及农业科研试验田，测试中平均检测精度达85%—95%，大幅提升了田间病虫害监测效率，减少了农药投入，为水稻绿色防控、智慧农业落地及国家粮食安全保障提供了技术支撑。