基于人工智能（AI）和物联网（IoT）的农业害虫爆发风险预测系统

摘要

入侵性害虫对农业生产构成严重威胁，尤其是对玉米作物，这对粮食安全有着重大影响。及时检测害虫的发育阶段并准确预测爆发风险对于有效管理至关重要。本研究提出了一种混合模型，该模型结合了可解释人工智能（XAI）、轻量级卷积神经网络（CNN）和模糊逻辑（FL），用于监测草地贪夜蛾（FAW）并基于天气条件进行风险预测。该模型使用Tiny-MobileNet-SE进行图像分类，通过Grad-CAM实现可解释性，并基于环境参数进行模糊逻辑推理。在Raspberry Pi 5平台上，Tiny-MobileNet-SE的准确率为98.6%，F1分数为98.5%，召回率为98.6%，模型大小仅为0.72 MB，延迟时间为80毫秒，其性能优于包括EfficientNetB0、SqueezeNet、MobileNet-v2、MobileNet-v3和ShuffleNet在内的现有轻量级模型。所提出的系统为精准农业提供了一种高效、可扩展且用户友好的解决方案，为害虫管理提供了可操作的见解，并支持可持续的作物保护策略。