近日,新葡萄8883官网AMG杨丽教授团队在国际高水平期刊《Journal of Hazardous Materials》(中科院一区Top期刊,IF=13.6)上发表了题为“Early detection of nicosulfuron toxicity and physiological prediction in maize using multi-branch deep learning models and hyperspectral imaging”(基于多分支深度学习模型和高光谱成像的玉米烟嘧磺隆毒害早期检测和生理状况预测)的研究论文。该研究构建了基于高光谱成像与深度学习的HerbiNet模型,开发了轻量化版本HerbiNet-Lite,实现了对玉米田间除草剂毒害和玉米生理状态的早期、快速、精准检测。这一新进展为除草剂胁迫检测装置与智能传感系统的研发提供了理论依据和方法支持。
在现代农业生产中,除草剂因其精确、高效和成本效益显著而在田间杂草管理中得到广泛应用。然而,受到施药量、施用时间、品种抗性、生长阶段、气候条件等因素的影响,除草剂极易对玉米产生毒害风险。因此,研究早期、快速评估除草剂毒性的方法对保障玉米产量和质量、优化田间管理策略具有重要价值。该研究以烟嘧磺隆为案例,开发了一种基于高光谱成像与深度学习的HerbiNet模型,能够有效检测玉米的除草剂毒性和生理状态。在除草剂施用后第4天,模型对毒害水平的预测准确率达91.37%,对玉米叶片SPAD和含水量的预测相关系数R²分别达0.82和0.73,能够实现除草剂毒害和生理状态的早期、精准预测。模型在不同年份和季节的测试条件下依然表现出优秀的泛化能力。
此外,通过对原始模型架构的剪枝和量化,开发了基于光谱特征波长的轻量化模型HerbiNet-Lite,以降低过度拟合风险和计算成本。研究结果表明,轻量化模型在预测精度和可靠性方面依然表现出色。轻量化模型的开发不仅解决了田间装备计算资源受限的问题,还大大提升了模型的可部署性,在精准农业、环境监测、病虫害防治等领域具有广泛的应用潜力,为未来作物生长胁迫检测装置和农业智能管理系统的研发奠定了基础。
新葡萄8883官网AMG为该研究的唯一作者单位,新葡萄8883官网AMG2022级博士研究生肖天璞为论文第一作者,杨丽教授为论文通讯作者,张东兴教授和崔涛副教授为论文共同作者,博士研究生李鸿盛、硕士研究生王昊禹、张晓爽、邓颖参与了该论文的研究工作,新葡萄8883官网AMG王粮局副教授、和贤桃副教授以及河北省农林科学院粮油作物研究所玉米中心主任、国家玉米产业技术体系石家庄综合试验站站长宋炜为本研究提供了帮助。本研究得到了国家玉米产业技术体系(CARS-02)的资助。
原文链接:https://doi.org/10.1016/j.jhazmat.2024.134723