涌达田间肥效追踪系统

纯图像算法，不需要任何训练数据，也不需要联网，直接跑在你的手机浏览器里。

1. 植被指数。用 RGB 三个通道算超绿指数 ExG = 2G−R−B 与 ExGR = ExG − ExR， 把植物组织和背景分开。这是农业遥感里用了几十年的经典方法： 文献里 ExGR 阈值 0 区分植物/背景的正确率约 86%， ExG−ExR 分割冠层与人工勾画的重合度可达 99.5% 以上。

2. 边界洪水填充。从画面四边向内填充背景，能填到的就是背景。以此区分 「叶片内部被包住的病斑」和「叶片缝隙里透出的土」——这是这套算法最容易被做错的地方， 简单阈值法会把土算成病斑，导致严重度虚高。

3. 色相分类。在识别出的植物组织内，按色相分成健康绿（68–200°）、 黄化（36–68°）、坏死（其余）。

4. 严重度。病斑面积 ÷ 叶面积 × 100%，按国内病害分级惯例 划成 5% / 10% / 30% / 70% 四档，对应 1 / 3 / 5 / 7 / 9 级。

用已知比例的合成图反向检验算法（近拍单叶模式）：

俯拍冠层模式，冠层覆盖率：

上表为全图口径。默认开启的「只分析中央 70%」会裁掉画面边缘，覆盖率读数因此会偏高几个点（实测 80% → 85.1、25% → 30.7）。
这不是误差：裁剪让株占比例自然升高。用肥组与对照组同口径对比，差值完全可靠；只有拿单张图的绝对值跟别人比时，要确认两边口径一致。CSV 里已记录每条的裁剪口径。

结论：
① 冠层覆盖率基本无偏，可以直接当数字用；
② 病斑占比有约 +2.6 个百分点的本底偏移，看差值可靠（用肥组减对照组），看绝对值要减掉本底；
③ 俯拍冠层的病斑占比本底偏移达 4–10%（土干扰），本模式下只能看趋势，不要当严重度用。

① 它不告诉你这是什么病。它只知道「有多少面积已经坏了」，不知道是白绢病还是根腐病。 病名要靠人、靠专家，或者靠现成的商用识别 App。

② 它分不清缺素和黄化病。缺氮、缺镁、根系病害、药害都表现为叶子发黄， 单张 RGB 照片在原理上就很难区分——学术界跨年跨作物迁移的缺素识别准确率会掉到 20% 以下。

③ 重度病害会被低估。病斑连成片、叶片碎掉后，算法能抓住的边界会变少。 所以严重度看趋势、看组间差，别抠绝对值。

④ 光照必须尽量一致。同一次对比的两组照片要同一天、同一时段、同一天气拍。 否则你测出来的是天气差异，不是肥效差异。

近拍单叶：
1. 摘叶位置固定——同一叶位（比如中部第 5–7 片叶），每次同一位置。
2. 白纸垫底，垂直俯拍，叶片占画面 70% 以上。
3. 不要在正午强光下拍（阴影割裂叶片），阴天或上午最好。
4. 一组至少拍 5 片叶，取中位数。

俯拍冠层：
1. 手机端平，垂直朝下，距冠层约 1 米，固定这个高度别变。
2. 站在固定标记点拍，每次同一位置同一向。
3. 开启「只分析中央区域」，避开边缘。
4. 用肥区和对照区各拍 3 个点。

最要紧的一条：两组必须同一天拍。跨天比，等于白测。