利用深度学习与物联网开发用于灌溉控制和植物病害检测的气培智能实验温室
人工智能
2025-09-17 v1 计算机视觉与模式识别
机器学习
摘要
控制温室内的环境条件并监测植物状态，对于及时做出旨在促进作物生产的适当管理决策至关重要。本研究的主要目标是开发并在实验规模上测试一个智能气培温室，通过集成物联网(IoT)和人工智能(AI)来持续监测天竺葵植物的状态和环境条件。开发了一个基于 IoT 的平台，以更高效地控制植物的环境条件，并为用户提供洞察以做出明智的管理决策。此外，我们开发了一个基于 AI 的病害检测框架，使用 VGG-19、InceptionResNetV2 和 InceptionV3 算法来分析在故意接种后定期捕获的图像。将 AI 框架的性能与专家对病害状态的评估进行了比较。初步结果表明，在温室环境中实施的 IoT 系统能够向用户在线持续发布温度、湿度、水流量和充电水箱体积等数据，并调整受控参数，为植物提供最佳生长环境。此外，AI 框架的结果表明，VGG-19 算法能够以 92% 的最高准确率从健康叶片中识别出干旱胁迫和锈病叶片，准确率高于其他算法。
引用
@article{arxiv.2509.12274,
title = {Developing an aeroponic smart experimental greenhouse for controlling irrigation and plant disease detection using deep learning and IoT},
author = {Mohammadreza Narimani and Ali Hajiahmad and Ali Moghimi and Reza Alimardani and Shahin Rafiee and Amir Hossein Mirzabe},
journal= {arXiv preprint arXiv:2509.12274},
year = {2025}
}
备注
Author-accepted version. Presented at ASABE Annual International Meeting (AIM) 2021 (virtual), Paper 2101252. Please cite the published meeting paper: doi:10.13031/aim.202101252. Minor wording and formatting updates in this preprint