项目名称
农业病害智能体多模态诊断与防治决策
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。
- 队伍名称
- 啦啦
- 所属院校
- 天津农学院
参赛队伍相关影像仅用于赛事展示与报道,肖像权归本人所有。如对肖像使用存在异议,请通过 联系我们 向组委会反馈,我们将核实情况并作相应处理。
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
