近日，3499cc拉斯维加斯2022级电子信息专业研究生杨圆以第一作者在SCI三区期刊Ecological Informatics发表研究论文，论文题目为《A lightweight rice disease identification network based on attention mechanism and dynamic convolution》。

该论文是在我校焦铬教授的指导下完成，3499cc拉斯维加斯为唯一署名单位。论文核心理论是：保证大米质量和产量的关键在于早期水稻病害的准确检测。然而真实场景中的稻田背景嘈杂，病状分布散乱，现有模型难以在保证轻量级的同时准确识别水稻病害类型。针对上述问题，本研究提出了一种用于水稻病害识别的新型轻量级高精度网络--DGLNet。DGLNet 包括两个低复杂度模块：全局注意力模块（GAM）和动态表征模块（DRM）。全局注意力模块旨在捕捉复杂噪声场景中的关键信息，从而提高模型的泛化能力。同时，DRM 中自主开发的四维灵活卷积（4D-FConv）可以从四个维度动态生成自适应卷积核参数。这使得 DRM 能够保持不同样本输入的多样性，从而增强模型拟合复杂函数的能力。因此，DRM 无需额外的网络层和通道就能增强特征表示。所提出的方法在两个真实植物病害数据集上分别达到了 99.82% 和 99.71% 的识别准确率，优于目前流行的方法。实验结果表明，所提出的方法不仅计算量小，而且能够在真实场景中准确识别水稻病害。此外，该研究还为病害识别和控制提供了有力的技术支持，为农业智能化和精准农业的实施提供了指导。

[文字、图片：杨圆]