Interactive Orchard Intrusion Detection System Using Sensors and Human-in-the-Loop Control

方法

Arduino Mega 2560、180°扫描超声波传感器、多模态驱避装置、I

发现

空间检测准确率94.0%，本地响应延迟420ms，环境干扰误报拒绝率89.5%。

机会点

可探索边缘AI自主威胁分类、太阳能供电与远距离去中心化通信，以克服天气、植被和联网不稳等限制。

为减轻野生动物和未经授权入侵造成的农作物损失，开发了一种结合边缘级自动化与人工在环控制的交互式果园入侵检测系统。该系统集成了Arduino Mega 2560微控制器、伺服驱动的180°扫描超声波传感器、多模态威慑装置以及用于智能手机实时验证的IP摄像头。性能评估实验结果显示，空间检测准确率为94.0%，平均本地响应延迟为420 ms，对风动树叶等环境杂波的平均误报排除率为89.5%。尽管具有上述优势，该系统仍存在局限性：超声波在恶劣天气和茂密植被下易受影响，在农村网络连接不稳定时依赖人工验证，以及易受害虫习惯化影响和功耗较高。为解决这些局限性，需要引入边缘人工智能以实现自主威胁分类，采用太阳能辅助能量收集以实现供电自主，并基于远程通信协议构建去中心化通信以确保远距离运行。改进后的系统可作为精准农业的可扩展低成本解决方案。