AgriSentinel：面向作物病害预警的隐私增强嵌入式LLM系统
密码学与安全
2025-09-12 v1
摘要
作物病害构成对全球粮食安全、农业生产和可持续农业实践的重大威胁，直接影响农民的生活水平和经济稳定性。为应对日益增长的有效作物病害管理需求，AI驱动的病害预警系统已成为重要工具，通过早期检测为及时干预提供可操作的见解。然而，现有系统常常忽视数据隐私、市场定价权力和农民友好 usability 等关键方面，使农民容易遭受隐私泄露和经济剥削。为弥合这些差距，我们提出了AgriSentinel——首个隐私增强型嵌入式LLM作物病害预警系统。AgriSentinel 集成了差分隐私机制，在保持分类精度的同时保护敏感作物图像数据。其轻量化深度学习驱动的作物病害分类模型针对移动设备进行优化，确保面向农民的可访问性和易用性。此外，系统包含一个微调的、嵌入式大型语言模型(LLM)，利用精选知识库为农民提供特定、可操作的作物病害管理建议，超越简单的预警功能。全面实验验证了AgriSentinel的有效性，证明其能够保护数据隐私、维持高水平的分类性能，并提供实用、可操作的病害管理策略。AgriSentinel 提供了一个稳健、农民友好的解决方案，用于自动化作物病害预警和管理，最终促进农业决策改进和作物生产力提升。
引用
@article{arxiv.2509.09103,
title = {AgriSentinel: Privacy-Enhanced Embedded-LLM Crop Disease Alerting System},
author = {Chanti Raju Mylay and Bobin Deng and Zhipeng Cai and Honghui Xu},
journal= {arXiv preprint arXiv:2509.09103},
year = {2025}
}