近日，福建農(nóng)林大學(xué)農(nóng)業(yè)人工智能中心與福建船政交通職業(yè)學(xué)院信息與智能交通學(xué)院的研究團隊合作，成功開發(fā)了一種基于無人機圖像的高精度水稻穗瘟病檢測模型——ConvGAM。該研究成果已發(fā)表在《Plant Methods》期刊（JCR 1區(qū)，SCI 2區(qū)）上，題為《UAV rice panicle blast detection based on enhanced feature representation and optimized attention mechanism》。

該研究由我院林少丹教授作為第一作者，通過結(jié)合ConvNeXt-Large骨干網(wǎng)絡(luò)和全局注意力機制（GAM），提出了一種新型的語義分割模型ConvGAM，能夠有效檢測水稻穗瘟病，并在復(fù)雜環(huán)境下表現(xiàn)出色。研究結(jié)果表明，ConvGAM模型在測試集上的整體準(zhǔn)確率達到91.4%，平均交并比（IoU）為79%，F1得分為82%。該模型通過引入Focal Tversky Loss損失函數(shù)，顯著提升了在數(shù)據(jù)不平衡情況下的檢測精度，特別是在罕見和嚴(yán)重病害類別的識別上表現(xiàn)優(yōu)異。

這項研究不僅為水稻病害的早期檢測提供了新的技術(shù)手段，也為無人機在農(nóng)業(yè)領(lǐng)域的應(yīng)用開辟了新的方向。未來，研究團隊計劃進一步優(yōu)化模型參數(shù)，探索更多的數(shù)據(jù)增強技術(shù)，以提升模型在不同環(huán)境條件下的適用性和檢測精度。

此次合作充分展示了福建農(nóng)林大學(xué)與我院在農(nóng)業(yè)智能感知技術(shù)領(lǐng)域的緊密合作，為推動農(nóng)業(yè)信息化和智能化發(fā)展做出了重要貢獻。