2024年12月23日
星期一
近日，中国科学院合肥物质院智能所智慧农业中心王儒敬研究员团队提出一种基于类别注意力和候选框的病害识别算法，该算法可有效提升复杂环境下草莓相似病害的识别精度。相关成果在线发表于植物科学领域Top期刊Frontiers in Plant Science上。
中国是世界草莓生产第一大国，草莓种植业已成为我国多地的支柱性产业。但草莓在整个种植过程中易受到各类病原体侵入，病害已成为影响草莓产量和品质的主要因素。与欧美发达国家相比，我国草莓病害监测主要依赖于种植户田间巡查，这种方式要求种植者具有较强的草莓病害专业知识，且存在效率低、成本高、主观性强等缺点，已无法满足当前草莓产业精细化、规模化发展的需求，亟需一种快速、有效的病害识别方法。
王儒敬研究员团队长期致力于基于人工智能技术的农作物病虫害识别方法研究与应用。针对田间环境复杂及草莓病害间的视觉特征相似给病害识别带来的挑战，团队通过类别注意力机制增强卷积神经网络定位区分性病灶特征的能力，在类别注意力的基础上结合洪水-填充算法和区域建议算法分别构建主病灶定位模块和病灶细节定位模块。试验结果表明：主病灶定位模块能有效消除复杂背景的同时最大程度保留病害上下文信息；病灶细节定位模块可有效提取相似病害间的区分性特征。因此，该识别方法可有效应对复杂背景和相似病害给田间病害识别带来的挑战。
博士生胡晓波为文章的第一作者，王儒敬研究员和许桃胜副研究员为共同通讯作者。该研究工作得到了国家重点研发政府间国际科技创新合作项目的支持。
论文地址：https://www.frontiersin.org/articles/10.3389/fpls.2023.1091600/full
图1 网络架构
图2 类别注意力模块
图3 试验结果
新闻链接：https://www.hf.cas.cn/kxyj/kyjz/202305/t20230513_6753984.html
版权所有：安徽省光学学会（社证字第 0156号）
地址：安徽省合肥市蜀山湖路350号中科院安徽光机所一号楼
EMAIL：ahos@aiofm.ac.cn
