農(nóng)業(yè)大數(shù)據(jù)中心）近日，農(nóng)業(yè)生態(tài)大數(shù)據(jù)分析與應(yīng)用技術(shù)國(guó)家地方聯(lián)合工程研究中心翁士狀、鄭玲副教授課題組在農(nóng)業(yè)傳感遙感領(lǐng)域取得系列進(jìn)展，先后在國(guó)際頂尖期刊上發(fā)表多篇論文。

在作物病害病原檢測(cè)方面，翁士狀副教授團(tuán)隊(duì)與中國(guó)科學(xué)院合肥物質(zhì)科學(xué)研究院李盼副研究員合作在赤霉病原體檢測(cè)領(lǐng)域取得顯著進(jìn)展。該研究提出了一種增強(qiáng)類嚙合熱點(diǎn)效應(yīng)（Enhanced Quasi-Meshing Hotspot Effect，EQMHE）結(jié)合嵌入式注意力殘差網(wǎng)絡(luò)（Embedded Attention Residual Network，EARNet）的免培養(yǎng)表面增強(qiáng)拉曼光譜（Surface-Enhanced Raman Spectroscopy，SERS）檢測(cè)策略，為鐮孢菌孢子的精準(zhǔn)檢測(cè)提供了有效解決方案。研究成果“Enhanced quasi-meshing hotspot effect integrated embedded attention residual network for culture-free SERS accurate determination of Fusarium spores”（DOI:10.1016/j.bios.2024.117053）發(fā)表于《Biosensors and Bioelectronics》期刊（中科院一區(qū)TOP，IF=10.7）。碩士研究生吳葉杭為論文第一作者，翁士狀副教授為論文通訊作者，安徽大學(xué)為第一單位。

圖1（A）EQMHE結(jié)合EARNet的免培養(yǎng)鐮孢菌孢子SERS檢測(cè)流程圖；無(wú)EQMHE構(gòu)筑熱點(diǎn)（B）與通過(guò)EQMHE構(gòu)筑熱點(diǎn)（C）的掃描電子顯微鏡圖像。（D）孢子（黑色）、戊唑醇（藍(lán)色）以及經(jīng)過(guò)戊唑醇孵育的孢子（紅色）SERS光譜。

在智慧采摘方面，提出了一種結(jié)合檢測(cè)網(wǎng)絡(luò)與點(diǎn)回歸的新型方法，為葡萄采摘自動(dòng)化提供了高效精準(zhǔn)的解決方案。其研究成果“Efficient one-stage location method for grape picking points in natural scene by combining detection network and point regression”（DOI:10.1016/j.compag.2024.109725）發(fā)表于中科院SCI一區(qū)TOP期刊《Computers and Electronics in Agriculture》（中科院一區(qū)TOP，IF= 8.4）。碩士研究生張盛羽、胡康為論文共同第一作者，翁士狀副教授為論文通訊作者，安徽大學(xué)為第一單位。

圖2 單階段葡萄莖和采摘點(diǎn)的精準(zhǔn)定位方法。

在圖像質(zhì)量提升方面，提出系列高效多尺度超分方法，成果“Efficient mixed transformer for single image super-resolution”（https://doi.org/10.1016/j.engappai.2024.108035）和“Multi-scale Implicit Transformer with Re-parameterization for Arbitrary-scale Super-resolution”（DOI:10.1016/j.patcog.2024.111327）分別發(fā)表于信息領(lǐng)域國(guó)際頂級(jí)期刊Engineering Applications of Artificial Intelligence（中科院一區(qū)TOP，IF=7.4）和Pattern Recognition（中科院一區(qū)TOP，IF=7.6）。針對(duì)基于Transformer的方法缺乏局部機(jī)制和高復(fù)雜度問(wèn)題，發(fā)展像素混合器和條紋窗口自注意力構(gòu)建高效混合Transformer網(wǎng)絡(luò)（EMT）；實(shí)驗(yàn)結(jié)果表明，EMT在基準(zhǔn)數(shù)據(jù)集上的表現(xiàn)優(yōu)于現(xiàn)有方法，達(dá)到了先進(jìn)的水平。鄭玲副教授為論文第一作者，翁士狀副教授為論文通訊作者，安徽大學(xué)為第一單位。同時(shí)，針對(duì)基于隱式神經(jīng)表征的方法在圖像任意尺度超分辨率（ASSR）中潛碼難以適應(yīng)不同的放大系數(shù)問(wèn)題，設(shè)計(jì)了一種多尺度隱式Transformer（MSIT），它由多尺度神經(jīng)算子（MSNO）和多尺度自注意（MSSA）組成；MSNO通過(guò)特征增強(qiáng)、多尺度特征提取和多尺度特征混合以獲得多尺度潛碼；MSSA進(jìn)一步增強(qiáng)了潛碼的多尺度特征，進(jìn)一步提高性能。大量實(shí)驗(yàn)驗(yàn)證，MSIT在ASSR任務(wù)中取得了當(dāng)前最優(yōu)表現(xiàn)。碩士研究生朱金辰為論文第一作者，鄭玲、翁士狀副教授為論文通訊作者，安徽大學(xué)為第一單位。

圖3 Efficient mixed transformer網(wǎng)絡(luò)結(jié)構(gòu)。

圖4 多尺度隱式Transformer圖像任意超分網(wǎng)絡(luò)。