A study on the identification of wheat powdery mildew using chlorophyll fluorescence imaging

引言 小麦白粉病对全球小麦生产构成严重威胁，其准确识别是实现智慧农业的关键。方法 本研究将叶绿素荧光成像与深度学习算法相结合，探究白粉病发展过程中关键荧光参数（如最大光化学效率QYmax）的时间动态变化，构建了基于QYmax的小麦白粉病叶绿素荧光图像数据集。在此基础上，提出了LCRNet模型，该模型通过融合大选择性自适应融合（LSAF）模块与协调注意力（CA）模块的协同机制，有效处理荧光图像数据。结果 在独立测试集上，该模型达到了94%的准确率和94.1%的F1分数，优于对比模型。讨论 本研究提出了一种小麦白粉病严重程度分类方法，降低了荧光数据处理的计算成本，为推动作物病害防控体系向智能化、精准化和绿色化转型提供了重要的方法学支撑和技术启示。