什么不好。

吃完面，林默去学校附近的电子市场，花六百块钱买了一块树莓派4B、一个摄像头模块、几根连接线和一块移动电源。

回到宿舍，王浩正在打游戏，看到他手里拿着一个树莓派的盒子，好奇地问：“默哥，你买这个干嘛？”

“做个东西。”林默把东西放在桌上，打开电脑，开始下载开发环境和图像识别的开源框架。

“你最近怎么突然这么爱学习了？”王浩凑过来，“是不是受什么刺激了？”

“没有，就是想做点正经事。”林默头也不抬地说。

“行吧，”王浩拍了拍他的肩膀，“需要帮忙说一声。”

“谢了。”

林默一边安装软件，一边开始看图像识别的入门教程。

他发现自己学东西的速度变快了。以前看技术文档，要反复看好几遍才能理解，现在看一遍就能抓住重点，而且能很快联想到实际应用场景。

这应该是基础机械设计知识带来的副作用——系统灌入的知识不仅补充了他的知识储备，还提升了他的整体学习能力。

这是个好消息。

接下来的三天，林默像变了个人一样。

每天早上七点起床，先去图书馆看两个小时的图像识别和机器学习资料，然后去实验室调试硬件，下午写代码训练模型，晚上整理数据写报告。

王浩说他“走火入魔”了，林默也不在意。

到了第四天，他已经搭建好了基础的图像识别系统。

硬件方面，树莓派4B连接摄像头模块，通过USB接口接了一个移动电源供电。软件方面，他用TensorFlowLite框架，加载了一个轻量级的图像分类模型，用公开的PlantVillage数据集训练了十个小时，模型可以识别十种常见的农作物病虫害，准确率在百分之八十五左右。

百分之八十五，不算高，但作为原型机，够用了。

他把摄像头模组安装在一个可以伸缩的支架上，固定在除草机的前端，这样在除草的同时，摄像头可以拍摄前方农作物的叶片图像，实时识别病虫害。

检测到病虫害时，系统会在屏幕上显示病虫害名称和置信度，同时通过GPS模块记录位置信息，生成病虫害分布热力图。

整套系统集成在除草机上，重量只增加了不到两公斤。

林默把优化后的除草机推到实验楼后面的荒地——这次不是杂草，而是农业工程系的一块试验田，里面种了一些玉米和小麦