学院新闻

7月13日，塔里木大学信息工程学院周保平教授团队在农林科学领域国际权威期刊Computers and Electronics in Agriculture（中科院一区Top期刊，IF：8.3）在线发表了题为“Automatic cotton spider mites’damage grading algorithm for depth residual network based on transfer learning”的研究论文。研究提出了一种基于迁移学习和改进残差网络的棉叶螨检测及危害等级识别方法，实现对棉叶螨的检测和危害等级的识别，对我国周期性数字化防治和管理棉叶螨以及全球可持续农业生产等方面具有重要的意义。

棉花作为重要的经济作物，其产量的高低，对推动我国纺织、油料和医疗等产业的发展起着重要作用。我国作为世界上最大的棉花生产、消费和进口大国，仅在2021年棉花产量、进口量、消费量占全球的21.3%、12.5%和32.3%。新疆作为我国最大的产棉区基地，无论是在播种面积，还是在总产量上，占全国比重连续两年超过70%，新疆已成为我国棉花供给的重要支柱。随着新疆棉花大面积的种植，虫害给新疆棉花的产量带来了较大的损失，据统计，每年因为棉花虫害造成的产量损失接近总产量的1/5。在棉花防治的害虫中主要有棉叶螨、棉铃虫和棉蚜虫等，在这些常见的害虫中，棉叶螨是防治最为棘手的害虫之一。及时准确的识别棉叶螨危害等级，对棉叶螨防治进行周期性数字化防治和管理，具有重要的意义。

周保平教授在组会中指导学生实验研究

经过对新疆阿拉尔棉叶螨防治过程进行实地调研，并与当地的植保专家和农技人员进行需求沟通，发现当地的植保人员在棉叶螨防治的方式上仍停留在传统阶段。当地的棉叶螨的防治方法过于原始，在使用较多的人力情况下，仍然造成防治效率低且时效性差，从植保人员发现棉叶螨受害植株、标记和上报到农技站、最后打药人员进行打药防治，整个防治过程过于复杂且周期长，并且标记位置容易丢失，错过棉叶螨防治的最佳时期。鉴于此，针对棉叶螨对棉花叶片的危害特性，设计田间实验数据采集方案，同时参考棉花叶螨危害等级的国家测定标准，结合实际生产状况和棉叶螨危害的特点，提出了新的棉花叶螨等级测定方案，为后续棉叶螨危害等级的判断提供理论基础。我们以三种不同危害等级的棉叶螨图像及健康棉叶图像为研究对象，结合迁移学习和改进ResNet50模型提出了C-ResNet50模型，提取与危害等级相关的特征数据，对比不同算法及改进策略对分级模型建立的影响，确定最优分级模型。在67375幅棉叶螨数据集上的模型训练和测试结果表明，研究提出的C-ResNet50与原ResNet50、VGG16、MobileNet、AlexNet和SENet模型相比具有最好的分类效果，其对棉叶螨识别精度达到99.45%，棉叶螨危害等级平均识别准确率达到98.10%。为棉叶螨的检测和危害等级划分提供了方法和模型支持。

实验整体流程图

塔里木大学为该研究论文的第一作者和通讯作者单位。塔里木大学信息工程学院硕士研究生张为第一作者，信息工程学院周保平教授为通讯作者。该研究得到国家自然科学基金（61563046）、塔里木绿洲农业教育部重点实验室（塔里木大学）等项目的资助。

论文链接：https://doi.org/10.1016/j.compag.2023.108070

                                   （文/张 摄/张）