厄瓜多瓜植物早期应激与疾病检测的低成本传感与分类
系统与控制
2025-08-20 v1 系统与控制
摘要
随着对农业中疾病和盐分管理效率需求的提高，对高价值作物如阿瓦达奈果植物早期应激检测变得至关重要。本文评估了在田间部署的低成本传感器，用于阿瓦达奈果植物早期应激和疾病检测。我们在温室环境中在72株植物上部署了监测系统，分为四个处理类别，数据采集持续六个月。尽管叶温和导电性测量是受控环境中常用的指标，但在田间条件下因环境干扰和定位挑战而不可靠，叶光谱测量结合我们的机器学习方法后产生统计显著结果。对于土壤数据分析，我们开发了一个两级层次分类器，利用关于处理特征的领域知识，实现了在不同阿瓦达奈果基因型之间达到75-86%的准确率，显著优于传统机器学习方法超过20%。此外，性能在嵌入式边缘设备上的评估表明，我们的方法在资源受限环境中可行，具有合理的计算效率，同时保持高分类准确率。我们的工作弥合了低成本传感器在农业中的理论潜力与实际应用之间的差距，并为开发具有可负担性和可扩展性的监测系统提供了见解。
引用
@article{arxiv.2508.13379,
title = {Low-Cost Sensing and Classification for Early Stress and Disease Detection in Avocado Plants},
author = {Abdulrahman Bukhari and Bullo Mamo and Mst Shamima Hossain and Ziliang Zhang and Mohsen Karimi and Daniel Enright and Patricia Manosalva and Hyoseung Kim},
journal= {arXiv preprint arXiv:2508.13379},
year = {2025}
}