OysterMushNet 模型

实时病害识别 98.8%

专为平菇病害识别优化的轻量级集成模型,可在移动端离线运行,显著缩短推理时间并减小模型体积,适合资源受限的农场环境。

Guragain, Deepesh Prakash · Bijaya, Shrestha · Bajracharya, Iswor · Neelesh, Sharma · Dipesh, Ghimire · Bhat, Showkat Ahmad

Smart Agricultural Technology 2026

参数信息

识别准确率
98.8 %
平均 F1 分数
0.98
作物损失减少
20–30 %

技术优势

移动端实时识别

模型通过量化技术优化,显著减少内存占用和推理时间,可在资源受限的移动设备上离线运行,无需持续网络连接。

集成模型更靠谱

将 EfficientNetB0、DenseNet201 和 ResNet50V2 三个模型集成,准确率提升到 98.8%,优于任何单一模型。

减少作物损失

田间测试中,农户报告通过早期病害检测和专家干预,作物损失减少了 20–30%。

双语农艺支持

应用支持英语和尼泊尔语,农户可与农艺师实时沟通;田间测试中 94% 的用户认为双向沟通必不可少。

应用场景