农业生产与食品保障事关社会经济稳定与民计民生，可持续绿色农业的发展符合人类日益增长的高质量需求。植物病害是威胁植物生产的最主要因素之一。因此，对植物病害开展精准与绿色防控可在未来大幅减少作物及农产品损失，而准确识别植物病害是精准防控的必要前提，人工智能与图像识别技术是目前及未来的潜力手段。

2024年7月，Plant Phenomics在线发表了贵州大学张欣/陈孝玉龙教授团队题为Local and global feature-aware dual-branch networks for plant disease recognition 的研究论文。

研究提出了一种用于植物病害识别的局部与全局特征感知双分支网络-LGNet。该网络通过结合CNN的局部感知优势和Transformer的全局感知优势，以解决植物病害图像中出现的症状多样性的问题。

图1 LGNet的整体架构

团队首先设计了一个基于 CNN 和 Transformer 的双分支结构，以提取局部和全局特征。随后，设计一个自适应特征融合模块来融合局部和全局特征，从而驱动模型动态感知不同特征的权重。最后，设计了分层混合尺度单元引导的特征融合模块，以挖掘不同层次特征中的关键信息，并融合其中的差异化信息，从而增强模型的多尺度感知能力。

图2 在验证集上的准确率变化

该研究中发现，局部与全局特征感知双分支网络LGNet相比于单一的CNN或Transformer网络有着显著的性能增益（图2）。同时， LGNet相比于单一的CNN或Transformer网络有着更强的局部和全局病斑感知能力（图3）。值得期待的是，由于可适用于多种植物及不同类型的病害，LGNet在现代农业生产中具有极高的应用潜力。在未来，团队将进一步探索其在不同应用场景及复杂背景下的应用能力。

图3 类激活映射可视化

贵州大学博士研究生林建吾为该文第一作者，张欣/陈孝玉龙教授为该文共同通讯作者。相关工作得到国家重点研发计划、国家自然科学基金、贵州省科学技术厅平台/人才等项目资助。

论文链接：

https://doi.org/10.34133/plantphenomics.0208

——推荐阅读——

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 | 贵州大学提出PDDD-PreTrain：一系列常用的预训练模型支持基于图像的植物病害诊断

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 | 中南林科大周国雄教授团队基于PDC-VLD的具有较强泛化性能的番茄叶病多模态开放目标检测模型

加入作者交流群