继首日深入大棚调研、沉浸式体验农事管护后，7 月 10 日，人工智能学院“葡萄甜了”专项实践团队继续扎根浙江省农业科学院杨渡科研创新基地。当天的工作围绕葡萄植株生长数据采集展开，重点对叶片样本进行精细测量，用标准化的叶片数据，为后续智慧农业 AI 模型打好基础。

精测叶片数据，夯实 AI 模型基础

当天的任务聚焦在葡萄叶片形态指标采集上。在浙江农林大学一位研究生学姐的指导下，团队在基地里对不同品种的葡萄植株进行叶片样本剪取。采样标准统一明确：每株葡萄选取三片有代表性的叶片，特意避开过大的老叶和过小的嫩叶，保证三片叶子尺寸适中、大小相对均匀，能稳定反映整株葡萄的正常生长状态。

队员们拿着测量工具，对每一片叶子逐一测量并记录三项关键指标：一是叶片纵径，即从叶尖到叶基的最大长度；二是叶片横径，即叶片最宽处的宽度；三是叶柄长度。每组数据都双人核对、逐项登记，确保记录准确、可追溯。

一遍遍测量、核对，听上去重复，却是智慧农业真正落地必须走的第一步。叶片形态数据与葡萄的长势、营养状况、抗逆性关系密切，标准化的叶片数据集，是训练葡萄生长状态识别模型和病虫害早期预警系统的重要基础。团队后续会把这些尺寸数据与对应植株的品种、生长环境、挂果情况等关联标注起来，构建一个多维度的葡萄生长数据库，为接下来轻量化管护 AI 智能体的研发提供真实、靠谱的田间数据。

让数据“长”出智慧：探索数字管护新路径

采样间隙，队员们结合之前 AI 专题研学课堂上学到的内容，就地讨论起叶片数据的应用方向。从叶片大小与光合效率的关系，到基于叶形的品种智能识别，再到融合历史数据构建生长趋势预测模型，大家把算法思维直接带进田里，试着用技术思路回应眼前的具体问题。

这次叶片采集和测量，直接瞄准了葡萄产业里一个长期存在的难题——人工管护标准难统一、生长状态难量化。过去，管护主要依赖农技人员的个人经验。如果能将叶片生长指标变成可量化的数据，就相当于给葡萄的生长状态配上一把“数字标尺”，容易复制，也方便推广。将来再结合图像识别技术，就能实现葡萄生长状态的自动、非接触式快速检测，把田间管护的人工成本和对经验的依赖降下来。

脚步不停，让青春在葡萄园里扎根

从下地体验农事管护，到沉下心一片片测量叶片，同学们正在把人工智能知识真正用到葡萄园里。图像识别、算法逻辑这些专业所学，成了破解种植难题的具体工具。杨渡基地成熟的标准化种植体系提供了扎实的实践场景，而队员们带来的数字化思路，也让这个凭经验种植的模式，开始多了一些“数字味儿”。

接下来，团队打算先把这批叶片数据整理成标准数据集，试着训练一版能“看叶识病”的模型雏形。对于日灼、裂果、病虫害预判滞后、灌溉调控被动这些田间痛点，他们也将在老师指导下一步步摸索：试着搭建决策逻辑、优化视觉模型、在基地里做硬件联调和田间实测。不敢说马上就能解决所有问题，但每多采一组数据、多跑通一个小模型，都是在积累经验。学院也计划把杨渡基地作为常设实践点，让更多同学带着代码和算法，到地里去碰真问题、练真本事。

用葡萄园里的数据，跑通课堂上学到的模型——这是他们想为智慧农业交出的，一份带着泥土味的作业。本实践纪实为“建行裕农通杯”第九届浙江省大学生乡村振兴大赛原创正向宣传内容，全程独立创作，无抄袭搬运。#建行裕农通杯 #浙江省大学生乡村振兴大赛。