我校信息与电气工程学院关海鸥教授指导的2020级硕士研究生于淼以第1作者，关海鸥教授为通讯作者在中科院分区2区SCITOP ( IF:5.753 ) 期刊《frontiersin Plant Science》在线发表了题为“Arecognition method of soybean leaf diseases based on an improved deeplearning model”的研究论文。(DOI：https://doi.org/10.3389/fpls.2022.878834)
大豆是重要油料作物和植物蛋白来源，严重制约其产量和质量的病害表型性状检测，对于大豆育种、栽培与精细管理具有重要意义。传统深度学习模型识别大豆病害准确率不高，化学分析操作过程繁杂且耗时费力，人工观察和经验判断易受主观因素影响，存在难以保证客观准确等不足，因此本文提出了一种基于新型残差注意力网络模型的大豆病害快速识别方法。首先以大豆褐斑病、灰斑病和灰星病为研究对象，采用最大类间方差法去除了原始图像的背景和干扰。然后在获取大豆病害单叶图像基础上，利用图像增强技术扩充了大豆病害图像的样本数据集。最后将注意力机制和残差思想相融合，应用注意力机制和捷径连接构造残差注意力层（RAL），并嵌入残差神经网络（ResNet18）中以替代残差结构，建立了大豆病害识别的新型残差注意力网络模型（RANet）。该方法大豆叶部病害平均识别率为98.49％，F1值为98.52，识别时间为0.0514s，实现了一种准确、快速、高效的大豆病害识别模型，可以为大豆质育种、栽培与精细管理提供可靠依据，为农作物病害表型大数据的智能挖掘和解析提供了理论基础和技术支撑。
本研究得到了国家自然基金(31601220)、黑龙江省自然基金(LH2021C062)、黑龙江八一农垦大学三横三纵(TDJH202101和ZRCQC202006)、黑龙江省博士后科研发展基金(LBH-Q20053)以及研究生创新科研项目(YJSCX2021-Y113)的资助。