#果园入侵检测

开发融合边缘自动化与人机回路的果园入侵检测系统，用传感器和摄像头实现实时报警与手机核验。

综述AI（CNN、ViT、无人机遥感、物联网）用于作物病虫害早期检测并融入种植园风险管理。

提出基于YOLOv8-MHSA与SAM的网页系统，实现苹果叶片病害多感染阶段实时检测与分级。

提出PineWilt-MultiSeg模型，联合空谱学习实现松材线虫病精准检测。

人民日报报道:广西针对南方果园人工成本高、机械化程度低、病虫害预警滞后等痛点,以"良机"(强化数字赋能)实现果园降本提质增效。搭建智慧果园监测平台,推广"耘眼"和"托普云农"智能监测系统,搭配巡园机器人、田间传感器,自动采集作物长势、温湿度、病虫害图像,AI识别准确率达90%以上,可提前预警并推送科学用药方案,移动端面向果农开放用户超50万,推广面积突破100万亩;应用开沟、割草、打药、旋耕、轨道运输等全环节机械化装备,作业效率提升50%以上,农药化肥减量30%以上,亩产提升10%以上,综合生产成本下降20%以上。

提出3D实例分割与骨架化框架，自动提取苹果树枝条表型性状。

结合可见/近红外光谱与波长优化蒙特卡洛模拟，实现不同大小苹果可溶性固形物无损检测。

研究视频多目标跟踪系统在不同扫描条件下估算苹果产量的性能。