用于植物病害識別的局部與全局特征感知雙分支網絡-LGNet的研究
農業生產與食品保障事關社會經濟穩定與民計民生，可持續綠色農業的發展符合人類日益增長的高質量需求。植物病害是威脅植物生產的最主要因素之一。因此，對植物病害開展精準與綠色防控可在未來大幅減少作物及農產品損失，而準確識別植物病害是精準防控的必要前提，人工智能與圖像識別技術是目前及未來的潛力手段。
2024年7月，Plant Phenomics在線發表了貴州大學張欣/陳孝玉龍教授團隊題為Local and global feature-aware dual-branch networks for plant disease recognition 的研究論文。
研究提出了一種用于植物病害識別的局部與全局特征感知雙分支網絡-LGNet。該網絡通過結合CNN的局部感知優勢和Transformer的全局感知優勢，以解決植物病害圖像中出現的癥狀多樣性的問題。
圖1 LGNet的整體架構
團隊首先設計了一個基于 CNN 和 Transformer 的雙分支結構，以提取局部和全局特征。隨后，設計一個自適應特征融合模塊來融合局部和全局特征，從而驅動模型動態感知不同特征的權重。最后，設計了分層混合尺度單元引導的特征融合模塊，以挖掘不同層次特征中的關鍵信息，并融合其中的差異化信息，從而增強模型的多尺度感知能力。
圖2 在驗證集上的準確率變化
該研究中發現，局部與全局特征感知雙分支網絡LGNet相比于單一的CNN或Transformer網絡有著顯著的性能增益（圖2）。同時， LGNet相比于單一的CNN或Transformer網絡有著更強的局部和全局病斑感知能力（圖3）。值得期待的是，由于可適用于多種植物及不同類型的病害，LGNet在現代農業生產中具有極高的應用潛力。在未來，團隊將進一步探索其在不同應用場景及復雜背景下的應用能力。
圖3 類激活映射可視化
貴州大學博士研究生林建吾為該文第一作者，張欣/陳孝玉龍教授為該文共同通訊作者。相關工作得到國家重點研發計劃、國家自然科學基金、貴州省科學技術廳平臺/人才等項目資助。
論文鏈接：
https://doi.org/10.34133/plantphenomics.0208
——推薦閱讀——
PDDD-PreTrain: A Series of Commonly Used Pre-Trained Models Support Image-Based Plant Disease Diagnosis
https://doi.org/10.34133/plantphenomics.0054
Plant Phenomics | 貴州大學提出PDDD-PreTrain：一系列常用的預訓練模型支持基于圖像的植物病害診斷
A Multi-Modal Open Object Detection Model for Tomato Leaf Diseases with Strong Generalization Performance Using PDC-VLD
https://doi.org/10.34133/plantphenomics.0220
Plant Phenomics | 中南林科大周國雄教授團隊基于PDC-VLD的具有較強泛化性能的番茄葉病多模態開放目標檢測模型
加入作者交流群
掃碼添加小編微信，拉您進入《植物表型組學》作者交流群，群內不定期開展作者分享會、專刊發布會等高質量活動。
添加小編微信，備注姓名+單位+PP，加入作者交流群
About Plant Phenomics
《植物表型組學》（Plant Phenomics）是由南京農業大學創辦的英文學術期刊，于2019年1月正式上線發行。采用開放獲取形式，刊載植物表型組學交叉學科熱點領域具有突破性科研進展的原創性研究論文、綜述、數據集和觀點。具體范圍涵蓋高通量表型分析的最新技術，基于圖像分析和機器學習的表型分析研究，提取表型信息的新算法，作物栽培、植物育種和農業實踐中的表型組學新應用，與植物表型相結合的分子生物學、植物生理學、統計學、作物模型和其他組學研究，表型組學相關的植物生物學等。期刊已被DOAJ、Scopus、PMC、EI和SCIE等數據庫收錄。科睿唯安JCR2023影響因子為7.6，位于農藝學一區（1/125名），植物科學一區（13/265名），遙感一區（6/62名）。2023年中科院期刊分區位于農林科學大類一區。2020年入選中國科技期刊卓越行動計劃高起點新刊項目、2024年入選江蘇科技期刊卓越行動計劃領軍期刊項目。
說明：本文由《植物表型組學》編輯部負責組稿。
中文內容僅供參考，一切內容以英文原版為準。
特邀作者：林建吾
排版：張婕（上海交通大學）
審核：孔敏、王平
