Articles › Farming

为什么农业IoT需要一门DSL？ 在构建农业IoT自动化系统时，工程师通常面临两个选择： YAML/JSON配置文件 — 简单，但遇到复杂条件分支就会崩溃 直接用通用语言（Python/Node.js）实现 — 灵活，但领域专家无法阅读业务逻辑

智慧农业技术的可及性从未像今天这样高。土壤传感器的成本已大幅下降，LoRaWAN网关一次充电可覆盖数公里，云平台能以近乎零边际成本处理数千台设备的遥测数据，AI模型可从智能手机照片中诊断作物病害。

Simplico Co., Ltd.（泰国·曼谷）专为泰国榴莲及水果仓库运营商提供仓储管理系统（WMS），覆盖入库批次追溯、冷链温度监控、品质管理、ERP/财务系统对接，以及面向中国买家的多语言出口文件自动生成——帮助出口商满足中国海关GMP认证要求，构建可信赖的对华供应链。 泰国本地开发团队 · 中文沟通无障碍 · 已服务泰国、中国市场客户

你正在亏钱，却浑然不知 榴莲旺季，你的集散中心每天收购数十吨货。果农排队送货，分级团队与时间赛跑，出口商每隔一小时来电询问库存。 但说句实话——你现在能立刻告诉我，A级榴莲还有多少公斤吗？ 如果你需要去问过磅员，或者翻开账本才能回答——这就是问题所在。

农业生产并不总是在网络稳定的环境中进行。 在许多地区，农户仍然依赖纸质笔记、零散的照片或个人记忆来管理农田、作业和收获情况。 SmartFarm Lite 正是基于这样的真实农业场景而诞生。 SmartFarm Lite 是一款 以离线优先（Offline-first）为核心设计理念的农业记录应用。 无需依赖互联网或云端服务，农场所需的关键信息都可以安全地记录在您的手机中。

引言 近年来，在中国的智慧农业示范项目、农业数字化工程和科研试点中，通过叶片图像由 AI 识别病害 的技术逐渐被熟知。然而，社会上也普遍存在一种误解：只要拍一张照片，AI 就能准确诊断作物病害。 在真实生产环境中，真正可落地的系统并不追求“完美诊断”。相反，它们被设计为 务实、可靠的决策支持工具，以适应中国农业区域差异大、气候条件复杂的现实。 叶片病害检测算法并不是用来替代农技人员或植保专家，而是作为 降低早期判断不确定性的辅助工具。系统不仅分析叶片图像，还会结合气象条件、作业记录等上下文信息。 本文将结合 Smart Farming Lite 的理念，从中国农业的实际出发，解释 叶片病害检测算法在现实系统中是如何工作的。

引言 中国农业呈现出 经营主体多样化、区域差异大、劳动力老龄化加快 的特点。一方面，规模化农业和智慧农业被大力推动；另一方面，大量中小农户仍面临投入高、系统复杂、维护困难等现实问题。 Smart Farming Lite 正是为这种现实而设计的轻量化数字农业方案。它以智能手机为中心，不强制引入传感器设备，强调与农户现有生产习惯自然融合。 Smart Farming Lite 不追求“完美的数据采集”，而是聚焦一个更现实的问题： “今天，这块地应该做什么？”

在农业生产中，水资源是最重要的投入之一。然而，许多地区仍采用固定时间、人工观察或经验判断的灌溉方式。在气候变化与水资源日益紧张的背景下，“把水在正确的时间、以正确的量、输送到作物真正需要的位置”变得尤为重要。

近年来，中国的智慧农业发展迅速。各种 IoT 传感器不断进入农场： 土壤湿度传感器、气象站、水肥一体化监控器、温湿度探头、无人机影像分析……