连接检测与处方的分析层

卫星只能指示田块受胁迫。SpectraRx 告诉您出了什么问题、原因何在以及施用何种处方。

Name: SpectraRx
Author: Veriprajna

在这个针对单一作物和地理区域、基于物理原理的合成演示中，NDVI 会用同一种琥珀色来标记缺氮、水分和真菌胁迫。SpectraRx 读取每个像元的完整 424 波段曲线，指明原因，按真实喷杆几何参数生成变量处方，并生成供审查的 IPM 规范记录模板。无法得出明确结论的像元会将不确定性路由至实地踏查。

0.887

区分胁迫类型的宏 F1

在 1,280 像元留出集上，424 波段光谱 CNN 对比现行 Sentinel-2 的 0.69

424 个波段

每个像元完整的 VNIR 与 SWIR 曲线

400 至 2515 nm，跨越可见光、近红外和短波红外

0.887 降至 0.373

未经大气校正时的准确率

校准是核心支柱，在应用内实测

这是可运行的演示。高光谱场景为基于物理原理的合成数据立方，尚未实现实时传感器和农机连接器。训练好的分类器、确定性关卡、导出格式以及生成的 IPM 规范记录模板均完全如实运行。

没有原因的「受胁迫」警报算不上决策

发现问题与解决问题之间的鸿沟。

多光谱监测和 NDVI 可以将大片玉米田涂成琥珀色并称其受到胁迫。但它们无法查明原因。缺氮、缺水和早期真菌感染需要不同的应对措施，而胁迫警报对所有这些情况只给操作人员显示同一种颜色。

猜测的代价体现在作业层面。一次错误诊断会在错误的问题上耗费一次作业，而错失病害信号则会缩短行动时间窗口。单单一团琥珀色色块根本无法对这些进行定位。

切实可行的解决办法不是一张更好看的热力图。而是一个能够解读作物物理特性、区分致因，并在底层数据不可信时将高弃权区域路由至踏查的分析层。这正是我们构建的层。

SpectraRx 如何运作

确定性链条：采集、校准、诊断、关卡、处方、记录。分类器提出诊断建议；代码判定是否可以安全采取行动。

每个场景都是包含 424 个波段的高光谱数据立方，覆盖可见光、近红外和短波红外的 400 至 2515 nm。经验线法大气校正从大气层顶辐射率中恢复出大气底层地表反射率，并为每个场景标记校准溯源标志。采用纯 numpy 从零编写的自定义一维光谱 CNN（具备真实的卷积、反向传播与 Adam 优化器），将每个像元的完整曲线分类为健康、缺氮、水分胁迫或早期焦斑病，并通过温度缩放校准其置信度。窄带物理特征模型和真实的 Sentinel-2 宽带现行方案作为基线并行运行。

位于模型外部的三个关卡

信任绝不取决于模型自身的置信度报告。在任何像元转化为处方之前，都必须通过三项确定性检查。

1. 校准溯源

大气校正会标记逐场景溯源标志。在特意设置的跳过模式下，未经处理的大气层顶数据直接进入分类器，以便下游的置信度关卡和物理一致性关卡能够暴露失效路径。

2. 置信度与歧义性

低置信度或特征混合的像元会选择弃权，而不是强行归类。弃权像元比例达到或超过 34% 的区域将路由至实地踏查；其他区域则使用非弃权像元的多数类别生成处方。

3. 物理一致性

如果 CNN 判定某一类别，但已有文献记录的物理特征并不支持（如判定为缺氮，但红边并未移动），则该像元弃权。判断必须与光谱物理特性相吻合。

从诊断到可直接执行的喷杆作业计划与可审查记录模板

分类诊断图根据 27 米喷杆剖面，从 5 米像元聚合为 25 米管理单元。农机几何参数是计算的一部分，而非事后补充。农艺施用量遵循配置的诊断规则，包括仅允许在设定的 R3 生育期窗口内作业的杀菌剂规则。计划可导出为 ISO-XML 和 GeoJSON 格式。

随后，演示根据诊断和处方生成符合欧盟「从农场到餐桌」IPM 规范的记录模板，供农艺师和合规团队审查。它不提供实时监管报备或接口。语言模型被允许介入该流程的唯一环节，是根据已计算好的事实生成解释性陈述文本，且系统默认采用模板回退方案，以便在无需 API 密钥的情况下运行演示。

琥珀色色块端到端解析

演示中基于物理原理的合成场景。下方每张图片均为正在运行的应用截图。

一种颜色代表三种不同问题

NDVI 标签页以卫星监测服务交付的方式展示田块：东北象限有一块标记为受胁迫的琥珀色区域，没有原因，也没有处方。这是每个精准农业团队已经拥有的起点，也是决策停滞不前的地方。

NDVI 卫星标签页显示一片琥珀色受胁迫区域，配图说明为「一个色块、无原因、无处方」，裁决面板仍处于空闲状态。 — NDVI 视图：一个琥珀色色块，没有原因，没有处方。

色块解析为分类明确的区域

运行「诊断田块」可将该单一琥珀色区域分解为不同的原因：琥珀色代表缺氮、蓝色代表水分胁迫、红色代表早期焦斑病，带有斜线阴影的像元表示弃权并路由至实地踏查。在这个基于物理原理的留出合成场景中，裁决面板报告 SpectraRx 的宏 F1 为 0.89，而现行 Sentinel-2 为 0.69，校准准确率为 0.89，全田 20.1% 的面积弃权。一张地图分化为三项不同的作业任务。

SpectraRx 诊断视图：琥珀色色块解析为缺氮（琥珀色）、缺水（蓝色）和早期焦斑病（红色）区域，带有斜线阴影的弃权像元，裁决面板显示 SpectraRx 宏 F1 为 0.89、Sentinel-2 为 0.69，以及 20.1% 的田块面积弃权。 — 诊断结果：缺氮（琥珀色）、缺水（蓝色）、焦斑病（红色）和弃权（斜线阴影）区域，附带留出集裁决。

模型读取的是物理特征，而非死记数据

对任何作物分类器最显而易见的质疑，就是它可能只是记住了自身训练数据的形态。光谱检查器直接回答了这一疑问的一部分。对于焦斑病，独立计算的波段显著性轨迹在最接近 531 nm 处 PRI 诊断波段的 530 和 535 nm 采样区间达到峰值。对于氮素，它赋予 680 至 720 nm 红边更高权重。系统还会单独检查文献记录的 970、1450 和 1940 nm 短波红外水分诊断波段；这些检查并未被呈现为 CNN 的最高显著性峰值。

早期焦斑病像元的光谱检查器，显示 424 波段反射率曲线以及在 PRI 诊断波段附近的 530 和 535 nm 采样区间达到峰值的橙色波段显著性轨迹。 — 焦斑病显著性在最接近 531 nm 处 PRI 诊断波段的 530 和 535 nm 采样区间达到峰值。

校准是核心支柱，模型对此毫不掩饰

切换「跳过大气校正」会将原始大气层顶辐射率输入分类器。准确率从 0.887 骤降至 0.373；92.2% 的像元弃权，144 个管理单元中有 140 个路由至实地踏查。根据区域规则，仍有 4 个水分胁迫区域照常施用，因此这是一种可供检查的安全防护机制，而非一刀切的全部阻断。

启用「跳过大气校正」后的诊断视图：未校准准确率磁贴显示为 0.37，田块弃权面积磁贴显示为 92.2%，大部分田块带有斜线阴影并路由至踏查。 — 跳过大气校正后准确率跌至 0.37，全田 92.2% 的区域选择弃权，而非错误地下达处方。

喷杆可直接执行的处方与供审查的记录模板

诊断结果转化为按 27 米喷杆剖面和 25 米分辨率划分的 144 个管理单元：21 个施用区域、25 个踏查区域和 98 个健康区域。在演示的确定性处方规则下，每个施用区域都包含具体药剂/肥料和施用量。它可导出为 ISO-XML 和 GeoJSON，以及欧盟「从农场到餐桌」IPM 规范记录，其中列出了逐区域地理坐标、光谱证据、评估过的替代方案、R3 截止期限以及认证农艺师签字栏。

27 米喷杆和 25 米管理单元、V12 生育期的变量处方表，列出了逐区域诊断结果、投入品和施用量，并带有 ISO-XML、GeoJSON 和欧盟「从农场到餐桌」IPM 喷洒记录的导出按钮。 — 变量处方：基于真实喷杆几何参数的逐区域投入品与施用量，可导出为 ISO-XML 和 GeoJSON。

欧盟「从农场到餐桌」IPM 喷洒记录，列出逐区域地理坐标、触发的光谱特征（如 531 nm 处受抑制的光化学植被指数）、投入品和施用量、R3 截止期限、评估过的替代方案，以及认证农艺师签字与日期栏。 — 欧盟「从农场到餐桌」IPM 记录，包含逐区域光谱证据与认证农艺师签字栏。

宽带现行方案存在结构性盲区的领域

在 1,280 像元基于物理原理的留出合成品种与土壤测试中，SpectraRx 的宏 F1 达到 0.887，而 Sentinel-2 现行方案为 0.69，窄带物理特征模型为 0.856。从各类别来看，现行方案在缺氮方面确实是一个强基线，接近 1.0。但在缺水（0.63 对比 0.97）和早期焦斑病（0.61 对比 0.77）上则显著落后。这是机制验证结果，而非大田保障。

基准测试界面显示 SpectraRx 对比 Sentinel-2 的各类 F1 条形图：健康 0.81 对 0.52、缺氮 1.00 对 1.00、缺水 0.97 对 0.63、焦斑病 0.77 对 0.61，外加混淆矩阵以及 SpectraRx 88.7% 对比 Sentinel-2 69.2% 的实时评估。 — 留出集上的分类 F1：现行方案在缺氮上旗鼓相当，但在宽带方案存在盲区的水分和焦斑病上明显落后。

Sentinel-2 宽带对比 SpectraRx

演示与之进行基准对标的同一现行方案，并排展示。它是一个真实的强基线，而非稻草人。

维度	Sentinel-2 宽带现行方案	SpectraRx
每个像元读取的波段数	13 个宽带	424 个，VNIR 与 SWIR（400 至 2515 nm）
区分缺氮、缺水、焦斑病	缺氮可以；缺水和焦斑病辨别能力弱	三种均可逐像元识别
水分胁迫 F1（留出集）	0.63	0.97
早期焦斑病 F1（留出集）	0.61	0.77
对模糊或未校准像元的处理方式	仍旧强行分类	选择弃权，路由至实地踏查
最终产出物	一个胁迫标志	明确分类的诊断、变量处方以及可审查的 IPM 规范记录模板

本演示不涉及的内容

✓ 它不使用真实大田采集数据。场景为基于物理原理的合成高光谱数据立方；健康基线遵循公开发表的高清绿色植被反射率，胁迫特征为文献记录的物理扰动。大田实际准确率需要积累两个生长季的实地真值库，该工作已作延期规划。
✓ 它不将 0.887 的宏 F1 呈现为开放环境下的保障。该指标是在单一作物（玉米）和单一地理区域、包含 1,280 个像元的留出合成分布偏移集上的测试结果。
✓ 它不连接实时传感器或农场管理平台。实时传感器集成与合作伙伴推送连接器尚未实现。ISO-XML 和 GeoJSON 导出格式是真实的。
✓ 它不让语言模型来做决策。一切由确定性关卡裁定；可选的 LLM 仅用于根据已计算的事实生成 IPM 文本，默认采用模板回退，且位于信任路径之外。
✓ 它不包含任何客户、部署、试点、背书或投资回报率 (ROI) 数据。目前均不存在。这是一套用于验证机制的演示。

买家关心的实际问题

这与我们已经付费使用的 NDVI 及卫星监测有何不同？

NDVI 和多光谱监测可以检测出异常，但无法查明原因。SpectraRx 读取每个像元完整的 424 波段反射率曲线，指明诊断结果、触发波长以及行动路径。在演示中 1,280 像元基于物理原理的留出合成品种与土壤测试中，它区分胁迫类型的宏 F1 达到 0.887，而 Sentinel-2 宽带现行方案仅为 0.69；水分胁迫为 0.97 对比 0.63，早期焦斑病为 0.77 对比 0.61。

我如何确信模型读取的是作物胁迫，而不仅仅是死记你们的数据？

在光谱检查器中悬停在任何区域上方，它都会绘制一条波段显著性轨迹，显示 CNN 实际赋予权重的波长，该轨迹独立于分类器自身的特征进行计算。焦斑病与 531 nm 光化学植被指数波段相关联，缺氮与 680 至 720 nm 红边相关联。系统还会检查文献记录的 970、1450 和 1940 nm 短波红外水分诊断波段，但并未将它们呈现为 CNN 的最高显著性峰值。基准测试使用的是来自两个模型均未训练过的品种和土壤的留出合成数据集。

对于模型无法确定的像元，系统会如何处理？

三个确定性关卡位于模型外部：校准溯源关卡、置信度与歧义性关卡，以及在 CNN 类别与文献记录的物理特征不一致时选择弃权的物理一致性检查。弃权像元达到或超过 34% 的区域路由至踏查；其他区域则根据其非弃权多数类别生成处方。在默认校准场景下，20.1% 的像元选择弃权。这是一种清晰可见的安全防护机制，而非完美无缺的宣称；焦斑病 F1 为 0.77。

它能否真正驱动我们的变量施用设备，还是仅仅是一张地图？

诊断图使用 27 米喷杆剖面，从 5 米像元聚合为 25 米管理单元。在演示中生成了 144 个管理单元（21 个施用、25 个踏查、98 个健康），附带逐区域投入品与施用量，并可导出为 ISO-XML 和 GeoJSON。导出格式是真实的；实时合作伙伴推送连接器在演示中尚未实现。

这是否能生成满足欧盟「从农场到餐桌」及 IPM 合规所需的记录？

SpectraRx 能够根据诊断和处方确定性地生成欧盟「从农场到餐桌」IPM 规范记录模板：包含地理坐标、逐区域光谱证据与多数类别区域覆盖率、评估过的替代方案、推荐投入品与施用量、杀菌剂作业窗口截止期限、校准溯源、模型名称与版本，以及认证农艺师签字栏。本演示不声称具备实时监管报备或连接器。

场景是合成的。我为什么要相信这些数据？

每个数字在固定随机种子下均可精确复现，并在由两个模型都未参与训练的品种和土壤构成的 1,280 像元留出集上进行测定，体现的是分布偏移而非死记硬背。场景为基于物理原理的合成数据立方：健康基线遵循公开发表的高清绿色植被反射率，胁迫特征为独立于分类器注入的文献记录物理扰动。我们将 0.887 的宏 F1 明确声明为单一作物和地理区域上该标注合成数据集的结果，绝不宣称为开放环境的大田保障。大田实际准确率需要积累两个生长季的实地真值库，该工作已作延期规划。

你们目前是否支持连接我们的传感器和 John Deere Operations Center？

在本演示中尚不支持。实时传感器集成与合作伙伴推送连接器尚未实现。真实存在的是这套分析链条：大气校正、424 波段光谱 CNN、确定性关卡、处方计算逻辑，以及 ISO-XML、GeoJSON 和 IPM 规范导出格式。Veriprajna 构建的是独立于传感器的分析技术；我们不拥有卫星，也不制造传感器。

技术研究

支撑本演示的研究——架构、验证设计以及企业蓝图。

完整解决方案

探索用于精准农业的高光谱 AI 解决方案 →

想要弥合胁迫标志与喷洒计划之间的鸿沟？

难点在于经过校准、具备弃权机制且感知农机几何的分析链，而不在于分类器本身。我们正是为此而构建。

如果您的团队正受困于无法据以行动的胁迫地图，真正值得探讨的问题是在何处针对您的作物、传感器和设备划定弃权红线。相比单方面的推销，我们更希望与您探讨这个问题。

光谱分析评估

✓ 梳理胁迫标志导致农艺决策停滞的关键环节
✓ 为您的作物定义诊断波长与类别
✓ 设定校准溯源与弃权阈值
✓ 明确合规团队必须归档的 IPM 记录规范

构建分析链

✓ 适配您的传感器与品种的光谱分类器
✓ 具备逐场景溯源的大气校正
✓ 感知农机几何的变量处方（ISO-XML、GeoJSON）
✓ 供审查的欧盟「从农场到餐桌」IPM 规范记录模板

通过 WhatsApp 联系给我们的团队发邮件