||
aBIOTECH封面文章 | 浙江大学刘羽飞课题组联合王蒙岑课题组综述利用先进技术在不同观测尺度上预测水稻病害的现状与展望
水稻是全球最重要的粮食作物之一。在水稻生产中经常受到植物病害等生物威胁,导致减产,危及全球粮食安全。尽早识别水稻病害感染情况对于防治作物病害和保障粮食安全至关重要。近年来,快速、准确地检测水稻病害并进行有效防治已成为研究人员的主攻方向。
近日,浙江大学农业信息技术研究所刘羽飞副教授课题组在aBIOTECH 发表了题为“Predicting rice diseases using advanced technologies at different scales: Present status and future perspectives” 的综述论文,该论文作为封面文章在aBIOTECH 2023年4期正式发表。
文章综述了基于光学传感的图像波谱处理技术在水稻病害检测中的最新研究进展和技术应用。随着高光谱成像、红外热成像等先进检测技术在作物病害领域的应用,许多肉眼难以辨识的早期病害得到了有效检测和预防,高光谱图像采集的数据提供了大量的多维样本信息,使得基于人工智能技术的先进模型算法应用于水稻病害检测成为可能。生产中通过结合这些模型算法,及时准确获取病害信息,从而保证水稻的产量和品质。因此,包括机器学习(ML)和深度学习(DL)在内的人工智能算法在水稻病害检测领域具有广阔的应用前景。
图1 在不同尺度上采用先进技术进行的水稻病害主要检测方法
此外,本文还总结了各类病害检测技术在水稻冠层、种子/叶片、生理生化和基因组等不同尺度上的应用现状。通过不同尺度下水稻病害的全面检测,可以大幅度提高水稻病害的识别率,为水稻病害的即时检测提供理论依据。同时,本文着重介绍了基因组尺度上植物-病原体相互作用中的ML和DL的应用。ML和DL在检测和分类高通量微生物组数据方面已取得显著成果。利用先进的模型算法,可以有效地提取微生物基因组中的有价值信息并将其转化为表型信息,从而通过生物识别方法实现建模分析和多尺度计算模拟。因此,微生物组和人工智能技术的结合,在未来将更具生命力。
图2 ML和DL在植物-病原体相互作用中的应用
最后,作者提出作物病害检测技术的未来展望。当前模型算法的迁移性较差,如深度神经网络不同层所学习到的抽象特征的迁移能力是不同的,较浅层的特征具有比较强的迁移能力,但随着网络层数的加深,特征越来越针对于特征的任务,不再具有迁移性。此外,人工智能算法的局部可解释性较弱。因此,在未来的研究工作中,我们应当尝试提高模型的稳定性与可解释性,并进一步优化与组合不同的模型,以达到对不同区域、不同类别水稻病害更精准的检测。
该研究得到了国家重点研发计划、国家重点研发政府间国际科技创新合作项目、浙江省重点研发计划、浙江省高校基本科研业务费和浙江大学国际合作专项的资助。浙江大学农业信息技术研究所硕士生李如悦为论文第一作者,刘羽飞副教授与王蒙岑教授为共同通讯作者。
作者简介
刘羽飞,副教授,博士生导师,浙江大学求是青年学者,日本北海道大学全球大使伙伴计划(HUAP)Partner。目前主要从事智能农业装备、田间智能检测与精准作业研究。研究成果在Environmental Pollution, Journal of Hazardous Materials, Food Chemistry, Computers and Electronics in Agriculture等权威高水平期刊发表,授权中国/美国/日本等国内外发明专利十余件,获教育部科学技术进步奖二等奖(排名4),浙江省科学技术进步奖一等奖(排名4),浙江省农业机械科学技术奖二等奖(排名1)。
王蒙岑,教授,博士生导师,国家级人才计划入选者。现任浙江大学农药与环境毒理研究所所长。主要从事植物病害防治与微生物源农药创制的教学科研工作,先后主持国家自然科学基金、国家重点研发计划等12项科研项目,在Nature Microbiology、Nature Food、Nature Plants、Current Opinion in Microbiology等期刊发表论文74篇,多篇入选封面论文、ESI热点和ESI高被引论文、F1000三星最高推荐,获中国农学会青年科技奖等。
相关阅读:
Archiver|手机版|科学网 ( 京ICP备07017567号-12 )
GMT+8, 2024-8-21 20:18
Powered by ScienceNet.cn
Copyright © 2007- 中国科学报社