近日，福建农林大学农业人工智能中心与福建船政交通职业学院信息与智能交通学院的研究团队合作，成功开发了一种基于无人机图像的高精度水稻穗瘟病检测模型——ConvGAM。该研究成果已发表在《Plant Methods》期刊（JCR 1区，SCI 2区）上，题为《UAV rice panicle blast detection based on enhanced feature representation and optimized attention mechanism》。

该研究由我院林少丹教授作为第一作者，通过结合ConvNeXt-Large骨干网络和全局注意力机制（GAM），提出了一种新型的语义分割模型ConvGAM，能够有效检测水稻穗瘟病，并在复杂环境下表现出色。研究结果表明，ConvGAM模型在测试集上的整体准确率达到91.4%，平均交并比（IoU）为79%，F1得分为82%。该模型通过引入Focal Tversky Loss损失函数，显著提升了在数据不平衡情况下的检测精度，特别是在罕见和严重病害类别的识别上表现优异。

这项研究不仅为水稻病害的早期检测提供了新的技术手段，也为无人机在农业领域的应用开辟了新的方向。未来，研究团队计划进一步优化模型参数，探索更多的数据增强技术，以提升模型在不同环境条件下的适用性和检测精度。

此次合作充分展示了福建农林大学与我院在农业智能感知技术领域的紧密合作，为推动农业信息化和智能化发展做出了重要贡献。