An Intelligent IoT-Based Framework for Plant Disease Detection and Crop Advisory Using CNN and ESP32
A. Rajani
构建ESP32物联网与CNN结合的植物病害检测及作物咨询系统。
ESP32、环境传感器、CNN、Flask网页应用。
系统能实时监测环境、识别病害并给出灌溉与pH等建议。
可探索多模态融合与边缘部署，提升病害早期预警和实时决策能力。
将ESP32物联网传感与CNN叶病识别、作物农事建议整合为低成本可扩展框架，方法组合有新意但属常规应用集成，期刊权威性一般，可作为智慧农业技术案例收录。
对可持续农业生产的日益增长的需求，催生了对能够持续监测作物生长条件并支持及时农业决策的智能系统的需求。传统农业实践在很大程度上依赖人工观察来监测环境条件和识别植物病害，这可能耗时且需要专业知识。本文提出了一种基于物联网的智能植物病害监测与作物咨询系统，集成了ESP32微控制器、环境传感器、卷积神经网络（CNN）以及基于Flask的Web应用程序。该系统持续监测温度、湿度、土壤水分、土壤pH值、水位、光照强度和空气质量。通过ESP32采集的传感器读数经过处理、存储并显示在实时Web仪表板上。用户还可以上传植物叶片图像，这些图像经过预处理并使用训练好的CNN模型进行分析，以根据颜色、纹理和病害模式等视觉特征识别病害类别。系统提供病害信息和预防建议。此外，作物咨询模块将实时传感器值与预定义的作物需求进行比较，并生成灌溉、土壤水分、pH管理和作物维护方面的建议。该集成框架减少了对人工检查的依赖，支持数据驱动的农业决策，为智慧农业提供了一种实用、可扩展且具有成本效益的方法。对可持续农业生产的日益增长的需求，催生了对能够持续监测作物生长条件并支持及时农业决策的智能系统的需求。传统农业实践在很大程度上依赖人工观察来监测环境条件和识别植物病害，这可能耗时且需要专业知识。本文提出了一种基于物联网的智能植物病害监测与作物咨询系统，集成了ESP32微控制器、环境传感器、卷积神经网络（CNN）以及基于Flask的Web应用程序。该系统持续监测温度、湿度、土壤水分、土壤pH值、水位、光照强度和空气质量。通过ESP32采集的传感器读数经过处理、存储并显示在实时Web仪表板上。用户还可以上传植物叶片图像，这些图像经过预处理并使用训练好的CNN模型进行分析，以根据颜色、纹理和病害模式等视觉特征识别病害类别。系统提供病害信息和预防建议。此外，作物咨询模块将实时传感器值与预定义的作物需求进行比较，并生成灌溉、土壤水分、pH管理和作物维护方面的建议。该集成框架减少了对人工检查的依赖，支持数据驱动的农业决策，为智慧农业提供了一种实用、可扩展且具有成本效益的方法。