开局国安副司过目不忘惊中央第220章 获得省里基金支持

评审的日子定在了一周后。

省科技厅派出的专家组由三人组成：一位是省农科院植保所的首席专家头发花白神情严肃；一位是省信息工程大学人工智能学院的教授戴着眼镜气质儒雅；还有一位是省高新技术产业投资公司的资深项目经理穿着干练眼神锐利。

袁天亲自陪同专家组来到绿源合作社。

深秋的田野晚稻已收土地裸露着显得有些萧瑟。

但在合作社的示范大棚区却是一片生机勃勃。

番茄、黄瓜、辣椒等作物长势喜人。

评审会就在大棚旁一间简陋的板房里进行。

没有鲜花没有水果只有几张旧桌椅和老赵用大茶壶泡的热茶。

气氛朴素而务实。

专家组组长那位农科院的首席专家开门见山：“赵社长袁县长我们时间有限。

直接看效果。

就选你们现在问题最突出的作物和病害现场演示。

” 老赵连忙点头带着专家和袁天等人来到一个番茄大棚。

他指着一垄明显叶片发黄卷曲的植株：“专家您看就这个黄叶子卷叶子的就是前阵子闹得最凶的那种病！ 用了袁县长推荐的药和法子现在控制住了但还有几棵没除干净。

” 农科院的专家蹲下身仔细查看病株又拔起一棵观察根系眉头紧锁：“嗯典型的番茄黄化曲叶病毒病（TYLCV）传播快危害大。

你们怎么发现的？” 老赵立刻拿出自己的旧手机点开那个袁天推广的APP对着病株叶片拍了一张照。

几秒钟后屏幕上清晰地显示出诊断结果：“高度疑似番茄黄化曲叶病毒病（TYLCV）建议：1.立即拔除病株深埋；2.喷洒XX抗病毒制剂+YY杀虫剂（防治粉虱）；3.加强田间管理……” 农科院的专家接过手机仔细看着诊断结果和建议又对比着手中的病株眼中闪过一丝惊讶。

他看向那位人工智能教授：“老李你看这……” 李教授凑过来看着APP的界面和诊断过程饶有兴趣：“哦？实时识别？准确率如何？模型训练数据来源是？” 袁天适时介绍道：“李教授这是我们联合省农大一个团队开发的模型核心算法基于改进的卷积神经网络（CNN）和迁移学习。

训练数据来源于省农科院、国家农业数据中心以及我们前期在林城本地采集的数万张病害图像。

针对TYLCV这种本地高发病害我们特意进行了强化训练和本地化适配。

目前对几种主要病害的田间实时识别准确率在光照良好条件下能达到92%以上。

”他的介绍专业而清晰。

李教授频频点头：“思路正确。

本地化适配是关键。

92%的田间识别率对于初期应用来说相当不错了。

”他转向老赵“实际操作起来感觉怎么样？农民兄弟能用得惯吗？” 老赵憨厚地笑了：“好用！太好用了！以前得跑老远请技术员还不一定请得到来了也不一定认得准。

现在有了这个‘千里眼’手机一拍啥病啥虫咋治咋防清清楚楚！我们合作社的人还有周边好些农户都学会用了！省心！省钱！” 省高投公司的项目经理则更关注实际效益和推广价值：“赵社长用了这个系统后你们合作社在病虫害防治上的投入减少了多少？产量损害降低了多少？有没有初步估算？” 老赵早有准备拿出一份简单但数据清晰的记录：“专家您看就拿这个番茄大棚来说。

往年这个时候因为认不准病乱打药光药钱一亩地就得比现在多花一两百块还不算人工。

病害厉害的时候减产两三成也是常事。

今年用了这个法子药钱省了差不多三成最关键的是病害控制得及时您看这长势”他指着旁边健康茁壮的植株“估摸着产量能比往年增一成以上！这还只是眼前看的见的！少打药果子更安全卖价也能上去点！” 三位专家一边听一边翻看着项目申报材料、技术文档不时低声交流几句。

农科院的专家仔细询问了具体防治措施的执行细节和效果验证；李教授则对技术实现、数据安全和后续升级计划问得很细；高投的项目经理则反复核算着投入产出比、市场推广的可行性和潜在风险。

高投的项目经理则反复核算着投入产出比、市场推广的可行性和潜在风险。

整个评审过程持续了两个多小时气氛严谨而高效。

没有客套寒暄全是硬碰硬的专业问题和实际效果检验。

最后三位专家走到一旁低声商议了片刻。

农科院的专家作为组长代表专家组给出了评审意见。

他的目光扫过一脸紧张期待的老赵扫过沉稳自信的袁天最后落在手中的评审表上声音洪亮而清晰： “经过现场考察、质询和讨论专家组一致认为：林城县绿源农业合作社申报的‘基于深度学习的农作物病虫害智能识别与防控系统’项目……” 本小章还未完请点击下一页继续阅读后面精彩内容！。

本文地址开局国安副司过目不忘惊中央第220章 获得省里基金支持来源 http://www.shujumai.com