Project title
Crop disease assistantmultimodal diagnosis and treatment decisions
T2 农业环境ResNet50网页原型
项目面向农户与基层农技人员,使用 ResNet50 识别叶片病害候选,再由 39 类病害知识库与 Qwen-VL 复核并生成识别依据、处置建议和预防措施。
- Team name
- 啦啦
- Institution
- 天津农学院
Images and videos related to participating teams are used only for event showcases and reporting. Portrait rights belong to the individuals concerned. If you have any objection to the use of portraits, please contact the organizing committee through Contact us. We will verify the matter and take appropriate action.
队伍口号
“勇往直前! ”
项目背景
传统病害诊断的服务缺口
传统病害诊断依赖专家、响应慢、服务覆盖有限。专业病害诊断服务供给有限,偏远地区更难及时获得支持。作物病害处置具有时间窗口,延迟诊断会影响干预效果。目标用户为农户和基层农技人员。系统以手机拍照和结构化建议降低基层使用门槛。
研究路径
图像识别与多模态复核
系统采用图像分类与多模态复核两阶段诊断流程。第一步,用户上传作物叶片照片,系统通过 ResNet50 图像模型识别病害并给出候选结果。第二步,结合 39 类病害知识库与 Qwen-VL 多模态大模型,对症状进行综合判断。ResNet50 完成固定病害类别的图像分类,Qwen-VL 结合图像证据与知识库复核判断并生成处置建议。图像分类模型负责缩小候选范围,多模态模型负责结合知识库复核并生成结构化建议。
- 识别模型
- ResNet50
- 知识库
- 39 类病害
- 多模态模型
- Qwen-VL
项目过程
项目推进与验证路径
- 01
阶段 1
结构化诊断与处置建议
系统输出包括:病害名称 · 识别依据 · 用药与处置建议 · 日常预防措施。识别依据列出叶片上哪些症状指向这个判断,供用户核对模型判断。日常预防措施将服务范围由病害处置延伸至事前预防。 - 02
阶段 2
网页原型与知识图谱
网页原型提供叶片图片上传与诊断结果展示。诊断页面并列展示叶片图像输入与结构化识别结果。系统保留病害、症状与处置之间的可追溯关系。 - 03
阶段 3
辅助诊断的使用边界
诊断结果仅供辅助参考,实际用药仍需遵循当地规定并咨询专业农技人员。
项目证据
项目图表与方法记录
团队协作
