近日，福建農林大學農業人工智能中心與福建船政交通職業學院信息與智能交通學院的研究團隊合作，成功開發了一種基于無人機圖像的高精度水稻穗瘟病檢測模型——ConvGAM。該研究成果已發表在《Plant Methods》期刊（JCR 1區，SCI 2區）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，通過結合ConvNeXt-Large骨干網絡和全局注意力機制（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，并在復雜環境下表現出色。研究結果表明，ConvGAM模型在測試集上的整體準確率達到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，顯著提升了在數據不平衡情況下的檢測精度，特別是在罕見和嚴重病害類別的識別上表現優異。

這項研究不僅為水稻病害的早期檢測提供了新的技術手段，也為無人機在農業領域的應用開辟了新的方向。未來，研究團隊計劃進一步優化模型參數，探索更多的數據增強技術，以提升模型在不同環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林大學與我院在農業智能感知技術領域的緊密合作，為推動農業信息化和智能化發展做出了重要貢獻。