Rail-Guided IoT Imaging System for Leaf-Level Monitoring in Small-Scale Citrus Plots

方法

缆索悬挂直线驱动、双倾斜相机、ESP32运动控制、树莓派5边缘处理与AWS S3

发现

系统在真实柑橘园自主稳定运行，低成本硬件实现可重复长期监测与云端同步。

机会点

可基于该固定视角一致数据集，研究叶片病害早期识别与跨时间表型变化追踪算法。

本文提出了一种轨道引导的物联网成像系统，旨在克服长期农业监测中难以获取一致的叶片级柑橘图像的难题，该系统融合了确定性机电定位、嵌入式控制、边缘计算和云端数据管理。系统集成了缆索悬挂式直线驱动机构与两台倾斜相机、基于ESP32微控制器的运动控制、用于处理的Raspberry Pi 5以及用于云服务的AWS S3，实现了图像采集、同步、存储和远程可视化的自动化流程。通过将图像采集限制在固定且可重复的路径上，该平台减少了空中和地面移动机器人通常出现的视角变化，从而能够系统性地生成一致的图像数据集，用于植物表型分析和病虫害监测。该系统已在真实运行条件下的柑橘园中实现并测试。实验结果表明，系统运行自主稳定、图像采集可靠、与云端持续同步，并能够在长时间内实现可重复监测，其低成本硬件设计适用于研究规模的部署。该平台提供了一套可复现的嵌入式成像方案，提升了农业图像采集的一致性，并为精准农业中计算机视觉算法的开发与评估提供了支持。