夜晚的果园没有白天的蝉鸣，只有几束手电的光在枝叶间移动。几位大学生围着一棵柚子树，反复调整手机和设备的角度，屏幕上跳出“图像上传失败”的提示。又是一次测试失败，但他们没有急着离开，而是蹲下来讨论数据格式和识别逻辑。这是井冈山大学“AI柚卫”项目团队工作的日常之一。三年里，他们从课堂走进田间，用图像识别与预警系统服务果农，用汗水和耐心将一个点子变成现实。

“AI柚卫”是一套集图像识别、预警分析和防治建议为一体的病虫害管理平台，起步于2022年。那一年，团队在江西省新干县调研时，目睹一片果园因黄龙病被整片砍伐。面对果农因难以及时识别病害而造成的损失，成员们希望用人工智能提供更便捷的识别手段。

图为学生们在果园拍摄的有病虫害的柚子

项目启动初期并不顺利。团队采集的首批5000多张图像因拍摄角度不一、标注不准，训练出的模型识别率长时间维持在60%左右。为了解决这一问题，成员们分组前往吉安市八个县区重采图像，在果园蹲拍、比对、复验，有时一拍就是一整天。图像采集完后，他们还需要咨询农技专家确认病虫种类与特征，确保每一张标注都准确无误。

图像之外，是模型构建的反复试错。计算机方向的同学查阅大量研究资料，尝试引入梯度累积算法提升识别效率，并通过校内指导教师牵线，与校外研究人员展开交流讨论。每一次参数调整后，大家就回到实验室进行测试，几百张图像一一验证，记录识别准确率、误判率，逐步推动识别准确率提升至98%以上。2023年冬，红蜘蛛识别模块初步优化完成，准确率达97%，成为整个平台最成熟的功能之一。

技术开发与应用同步推进。团队将识别功能集成到微信公众号小程序中，果农可以通过手机上传病虫图片，获取系统自动生成的识别结果和防治建议。系统还结合气象和地理信息，能够对特定区域病虫害发生风险期进行预警提示。

在推广过程中，团队成员也在学习如何让系统更贴近农户需求。在安福县试点时，团队与果农面对面交流，观察果农操作，记录他们的疑问与使用习惯，随后根据反馈调整界面布局和语句表达。一次次现场指导后，不少果农逐渐开始独立使用系统，并主动将平台推荐给邻近果园。

图为学生们下乡帮助果农学习使用AI柚卫

整个项目的背后，是一个由多学科学生组成的协作团队。负责人巫海涛负责整体架构与模型设计，陈荣雪和袁闽杰参与图像采集与数据库搭建，邓星薇、邓通文等负责系统测试与演示推广。胡子涵、刘坚、曾宇轩分别承担知识产权、平台运营、宣传文案等事务。遇到问题时，团队集体讨论解决，必要时请教导师或专业人士，共同推进每一项任务的完成。

目前，系统已在吉安13个县区推广，服务农户超过8000户。据示范园区反馈，平台使用后病虫害损失率从28%降至8%，农药成本平均减少30%。项目已申请两项专利，获得软件著作权，并建立起“基础服务免费+高级服务订阅”的运营模式，探索长期可持续路径。

“AI柚卫”的过程，是一群学生从技术原理走向现实问题的过程。从图像采集、模型训练、功能开发到田间测试，他们在失败中不断调整思路，在反馈中逐步完善系统。他们的目标不宏大，只是希望果农多一份方便，病虫害少一点损失。如今，项目仍在持续更新，成员也仍在继续打磨每一个细节。三年过去，他们依然认为，这条路值得继续走下去。

（免责声明：此文内容为本网站刊发或转载企业宣传资讯，仅代表作者个人观点，与本网无关。仅供读者参考，并请自行核实相关内容。）