（農業大數據中心 翁士狀）近日，農業生態大數據分析與應用技術國家地方聯合工程研究中心胡根生、鮑文霞教授團隊在作物病害遙感監測領域取得系列進展，先后在遙感科學和農林科學權威期刊發表多篇論文。

低分辨率無人機遙感茶園圖像中患病茶葉的小尺寸、高密度和模糊邊緣細節，以及圖像中茶葉病斑的顏色和紋理與背景之間的相似性，導致現有方法的監測精度低。團隊提出了一種兩級網絡方法，構建超分網絡RFBDB-GAN與輕量級檢測網絡LWDNet，實現從12 m高度的無人機遙感圖像中精確檢測茶葉枯病。相關工作發表在遙感科學權威期刊IEEE Transactions on Geoscience and Remote Sensing，2024，62：5601218，第一作者為電子信息工程學院胡根生教授，鮑文霞教授為論文通訊作者。(DOI: 10.1109/TGRS.2023.3339765)

圖1 RFBDB-GAN與LWDNet實現無人機遙感圖像茶葉枯病的精確檢測

小麥赤霉病的準確檢測是提高小麥產量的關鍵。團隊提出了一種端到端的圖像自適應增強和小麥赤霉病檢測網絡（IAE-SDNet）以及一種基于并行通道空間注意力機制的PCSA-YOLO網絡，用于準確檢測無人機遙感圖像中的小麥赤霉病。IAE-SDNet網絡中的圖像自適應增強（IAE）模塊旨在提高無人機圖像的質量，并使用基于transformer的目標檢測模塊SDNet進行端到端學習。并行通道空間注意力（PCSA）機制提高了輸出特征圖的表示能力，消除了串行結構下權重系數的干擾，可以在復雜的背景下檢測微小的小麥赤霉病目標。相關工作發表在遙感科學權威期刊IEEE Transactions on Geoscience and Remote Sensing，2024，62：4416014和農林科學權威期刊Computers and Electronics in Agriculture，2024，217：108630，這兩篇論文的第一作者為電子信息工程學院鮑文霞教授，電子信息工程學院胡根生教授和中國科學院合肥物質科學研究院的楊先軍研究員為論文共同通訊作者。

(DOI:10.1109/TGRS.2024.3487626, DOI:10.1016/j.compag.2024.108630)

圖2 IAE-SDNet檢測小麥赤霉病。

圖3 PCSA-YOLO檢測小麥赤霉病。

在強光照條件下檢測無人機遙感圖像中的小目標茶葉枯病是一項具有挑戰性的任務。團隊提出了一種基于MLDNet網絡的強光照條件下無人機遙感圖像中小目標茶葉枯病的高效檢測方法。相關工作發表在農林科學權威期刊Computers and Electronics in Agriculture，2025，229：109825，第一作者為電氣工程與自動化學院江永成副教授，電子信息工程學院胡根生教授為論文通訊作者。(DOI:10.1016/j.compag.2024.109825)

圖4 MLDNet檢測小目標茶葉葉枯病