为破解传统农田除草效率低、污染大、设备适配性差的农业痛点，助力智慧农业与绿色乡村建设，7月9日至22日，安徽师范大学计算机与信息学院禾下无忧“项目e站”本科生社会实践团队，开展为期14天的智慧农业专项实践活动。团队聚焦蝎式垄间窄域除草机研发落地，以专业科创技术深耕田间一线，打通“实地调研—算法优化—田间实测”全链条，用青年数字力量解锁农田除草新模式。
实践启动之初，团队召开专项部署破冰会议，细化分工、精准定岗，搭建起调研、算法、设备、宣传、安全、后勤、财务七大专项工作组。全员各司其职、协同联动，分别负责田间数据采集、算法模型研发、设备调试运维、全程安全保障等工作，构建规范化、精细化的实践工作体系，为为期两周的科创实践筑牢组织根基，确保各项任务有序落地推进。
田间一线调研是科创落地的关键前提。实践初期，团队队员深入校内实验田各种植区块，与田间管护人员面对面深度交流，精准摸排传统除草模式的诸多短板。据管护人员介绍，人工除草耗时费力、效率低下，难以适配规模化种植需求;化学除草剂长期使用易引发土壤板结、农药残留等问题，违背绿色农业发展理念;而市面大型除草设备体型笨重，无法适配窄垄经济作物种植场景，作业过程中极易误伤农作物幼苗。
拍摄者：黄婧怡 图为进行线下调研
针对这些农业生产实际难题，团队立足田间实景开展数据攻坚，采集不同光照、不同作物生长周期下的农田作物、杂草影像千余张，详细记录垄间宽度、作物株距、杂草分布、田间地形障碍等核心数据，梳理形成完整调研台账与访谈记录。海量本土化农田实景数据，为专属杂草识别算法研发提供了真实可靠的数据集，也明确了设备优化核心方向，聚焦窄垄适配、精准识别、物理除草三大核心需求，靶向破解田间除草痛点。
调研结束后，团队转入实验室开启核心技术攻坚，耗时一周迭代优化杂草识别智能算法。依托计算机视觉、嵌入式开发专业优势，队员们对田间实拍数据进行清洗、分类、标注、训练，针对传统设备识别精度不足、窄垄路径规划不合理等核心问题精准发力。团队优化轻量化双目视觉识别框架，扩充作物、多类杂草、泥土、地膜等样本标签，有效降低强光、阴影、杂草重叠场景下的识别误判率;结合蝎式除草机窄幅作业特性，重构垄间智能路径规划算法，解决设备重复作业、除草漏缺等问题，大幅提升窄垄田间作业效率。
研发过程中，队员们分组交叉测试、反复打磨，紧盯模型识别准确率、设备响应速度、运行功耗等关键指标，针对算法卡顿、弱小杂草识别失灵等技术难点集中攻坚，逐项排查代码漏洞、微调模型阈值。经过多轮迭代优化，最终打磨出适配田间户外环境的轻量化智能除草算法，在保障高精度识别的同时，大幅降低设备算力消耗，完美适配农田低功耗实地作业场景。
拍摄者：李雯芳 图为成员对代码进行讨论
技术研发落地田间，科创成果赋能农耕。算法优化完成后，团队携升级后的蝎式垄间窄域除草机进驻校内实验田，开展整机实地试运行测试。安全组提前排查田间石块、沟渠等安全隐患，划定专属作业区域;技术队员完成设备组装、线路核查、程序导入，顺利完成低速巡航、智能识草、物理除草、障碍越障等全流程实地测试。
拍摄者：黄婧怡 图为成员们在实测现场对除草机调试
实测现场中，蝎式除草机依托双目视觉系统实时捕捉田间画面，精准定位杂草根茎，全程采用无药剂物理除草模式，凭借小巧灵活的机身优势，在作物窄垄间顺畅穿行、精准作业。队员们实时记录设备运行数据，针对实地作业中出现的细微偏差、行进卡顿等问题现场调试、即时优化。校内农学专业老师现场观摩指导，结合农作物种植专业特性，为设备轻量化、操作简易化迭代升级提出宝贵优化建议，助力设备更好适配农业生产场景。
7月22日，本次智慧农业专项社会实践圆满收官。为期两周的实践中，团队圆满完成田间调研、算法迭代、田间实测三大核心任务，积累千余组田间实景数据，完成专属智能除草算法优化与设备多轮实地测试，形成完整的实践成果台账与实验报告，成功实现专业理论与农业实操的深度融合。
拍摄者：黄婧怡 图为团队大合影
队员们纷纷表示，此次实践走出课堂、扎根田间，真切感受到数字科创技术赋能乡村振兴的强大力量，也清晰认识到理论知识与农业实际需求的结合要点。未来将持续打磨技术、优化设备性能，让科创成果更贴合农耕需求。
指导老师表示，本次实践以“调研+研发+落地”的闭环模式，搭建起计算机科创技术与智慧农业应用的桥梁，引导学子学以致用、知行合一。下一步，实践团队将持续梳理优化实践成果，迭代升级除草设备与智能算法，同时依托线上平台开展智慧农业科普宣传，普及数字化农耕知识，持续以青年科创力量助力绿色智慧农业高质量发展，在服务乡村振兴的赛道上彰显青年担当。
