Project
苹芯·极盾 “诊-防-育”双端协同苹果健康智防中心
苹果是我国主要经济作物，优质果品市场需求旺盛，但病害导致的商品果率下降问题长期存在。在苹果幼果期，果实数量多、分布密集、枝叶遮挡严重，人工逐一检查效率极低；而病害病斑直径常小于 2 毫米，与幼果绿色背景高度相似，肉眼或传统图像方法几乎无法在潜伏期发现。现有深度学习检测模型多面向成熟期大目标设计，对微小病斑识别精度低、推理速度慢，且模型一旦封装便成为通用化、刻板化的“固定模板”，缺乏对不同地域、品种、气候的自适应能力，也无法提供从识别到防治的一体化建议，导致普通果农难以真正获益。针对上述痛点，本作品在轻量化架构、多端协同、高精度检测、快速推理、用户自训练等方面实现差异化创新。
本作品“苹芯·极盾——‘诊-防-育’双端协同苹果健康智防中心”面向我国苹果产业中病害早期难以发现、人工巡检效率低以及“诊断与防治脱节”等实际问题，设计并实现了一套以Web应用为核心的智慧农业智能服务系统。
系统基于典型B/S架构构建，用户无需安装客户端，仅需通过浏览器访问系统网站，即可完成图像/视频上传、实时检测、结果查看及报告下载等操作，实现“即开即用”的在线服务体验。后端基于Django框架实现业务逻辑与数据管理，前端采用HTML5与JavaScript构建响应式交互界面，支持多终端访问与良好的用户体验。
在核心技术方面，项目围绕Web应用对实时性与计算效率的需求，自主研发了轻量化视觉检测模型SiFormer。该模型融合卷积神经网络与视觉Transformer的优势，针对苹果幼果期小于2mm的微小病斑识别难题进行优化，在复杂背景下仍能保持较高检测精度，同时显著降低模型参数量与推理延迟，使其能够高效支撑Web端在线调用与移动端部署。
在功能设计上，系统构建了完整的在线智能服务流程：用户通过浏览器上传图像或视频，服务器端调用检测模型完成病害识别，并结合AI大模型自动生成通俗易懂的防治建议，同时将检测结果与用户信息统一存储于数据库，形成可追溯的病害档案，实现“检测—分析—决策—记录”的闭环管理。
在系统扩展方面，项目在Web平台基础上拓展了小程序端与移动APP端，用于提升田间场景下的数据采集与便捷交互；同时结合树莓派边缘设备实现实时感知与本地推理。各终端通过网络统一接入Web服务器，所有核心计算与数据管理均由Web平台完成，形成“Web为核心、移动端为入口、边缘端为补充”的多端协同架构。
与传统农业检测系统相比，本作品不仅实现了对微小病斑的高精度识别，还突破了“只检测、不服务”的局限，通过AI生成防治建议，使系统具备实际指导意义。同时，通过统一的Web数据平台，实现了病害信息的长期积累与分析，可进一步服务于品种抗性研究与农业决策。
总体而言，本作品以Web应用为核心载体，将自研轻量化模型与在线智能服务深度融合，构建了一个可访问、可扩展、可落地的智慧农业系统，在技术创新性、系统完整性及实际应用价值方面具有较强优势。