IoT-Based Automatic Cotton Leaf Disease Detection, Infection Percentage Estimation, and Treatment Recommendation Using Raspberry PI

棉花是全球最重要的经济作物之一，其产量受到多种叶部病害的显著影响，如细菌性枯萎病（bacterial blight）、链格孢叶斑病（alternaria leaf spot）、尾孢叶斑病（Cercospora leaf spot）、白粉病（powdery mildew）和卷叶病（leaf curl disease）。早期准确识别这些病害对于减少作物损失和提高产量至关重要。传统的病害诊断依赖专家进行人工田间巡检，这种方式耗时、费力，且对于大面积农田往往不切实际。所提出的系统集成了Raspberry Pi5、高分辨率摄像头模块、环境传感器和无线通信技术，构建了一个智能作物监测平台。利用Raspberry Pi摄像头采集棉花叶片图像，并通过计算机视觉技术进行叶片分割和特征提取。采用基于MobileNetV2的轻量级深度学习模型自动识别不同的棉花叶部病害。除病害分类外，还利用图像分割技术计算受感染叶面积百分比，使系统能够确定感染的严重程度。该系统还通过物联网传感器采集温度、湿度、土壤水分和光照强度等环境参数。这些参数连同病害诊断结果一起传输至基于云端的仪表板，用于实时监测和分析。当检测到严重感染时，可通过短信或移动通知向农民发送自动警报。实验评估预期在Raspberry Pi平台上实现高于93%的病害分类准确率、低于5%的感染面积估计误差，以及每张图像一秒以内的实时推理。所提出的解决方案结合了人工智能、图像处理和物联网技术，为精准农业提供了一种经济高效、便携且可扩展的方法。该系统能够实现病害早期检测、准确感染评估、及时治疗建议、减少农药使用并提高棉花作物产量，使其成为智慧农业应用中的一种有价值的工具。