近日，我校机电工程学院叶大鹏教授团队在柑橘黄龙病检测研究上取得一系列重要进展，相关研究成果分别以“适用于小样本显微图像数据集的柑橘黄龙病快速诊断模型”、“Citrus Huanglongbing detection and semi-quantifcation of the carbohydrate concentration based on micro-FTIR spectroscopy”为题，在国内农业工程学科领域顶级期刊《农业工程学报》（卓越期刊，EI收录）和国外分析化学领域重要期刊《Analytical and Bioanalytical Chemistry》上发表。

被《农业工程学报》网络发表页面

被《Analytical and Bioanalytical Chemistry》录用文章封面

论文“适用于小样本显微图像数据集的柑橘黄龙病快速诊断模型”的主要内容是探究柑橘黄龙病病原菌对宿主叶片主脉显微结构的影响并建立基于叶片主脉显微图像的快速诊断方法，以健康、染病未显症、染病显症和缺镁四类柑橘叶片主叶脉的显微图像为研究对象，提出了一个适用于小样本显微图像数据集的增强特征的无监督训练柑橘黄龙病检测模型（Enhanced Huanglongbing Unsupervised Pre-training Detect Transformer，E-HLBUP-DETR）。该模型首先采用无监督训练结合迁移学习构成上游网络（unsupervised pre-training model），再利用Yolact模型设计出增强特征网络（Enhanced Feature Network，EFN）与DETR(Detect Transformer)相结合构成下游网络，最终建立E-HLBUP-DETR诊断模型。研究结果表明，E-HLBUP-DETR模型检测的准确率可达96.2%，能够解决采用小规模数据集训练的模型存在过拟合和准确率低的问题。相较于未改进的DETR模型，E-HLBUP-DETR具有更高的检测准确率，识别准确率也优于CNN架构ResNext的92.1%与MobileNet的76.3%。研究结果可为显微尺度下柑橘黄龙病的早期快速诊断提供技术支持。该文章以福建农林大学为第一完成单位，机电工程学院博士研究生林少丹为论文第一作者，叶大鹏教授为论文通讯作者。该研究得到国家自然科学基金（62005046）、福建省高原学科项目（712018014）、学科交叉融合推动智慧农业（园艺）（71202103B）的资助。

文章链接：http://www.tcsae.org/nygcxb/article/abstract/20221225?st=article_issue

黄龙病检测模型

论文“Citrus Huanglongbing detection and semi-quantifcation of the carbohydrate concentration based on micro-FTIR spectroscopy”主要内容是研究柑橘主叶脉韧皮部碳水化合物的变化，建立了基于健康、未显症、显症、缺营养元素的柑橘主叶脉的傅里叶变换红外显微（micro-FTIR）光谱结合化学计量法的半定量模型来预测其中碳水化合物浓度。结果表明，柑橘主叶脉的特征峰强度随碳水化合物（淀粉和可溶性糖）浓度的变化而变化，特别是在1175-900cm−1、1500-1175cm−1和1800-1500cm−1区域。利用全波段micro-FTIR光谱和选定的特征波段，建立了淀粉和可溶性糖的半定量预测模型。用最小二乘支持向量机回归（LS-SVR）模型结合随机蛙跳算法（RF）取得了最好的预测结果。此外，建立了多层感知器(MLP)分类模型来识别黄龙病，基于全波段和最优特征波段，总体分类准确率分别为94%和87%。结果表明，micro-FTIR光谱分析可为预测柑橘主叶脉碳水化合物浓度和检测黄龙病提供有效方法，为柑橘黄龙病的防控提供指导。该文章以福建农林大学为第一完成单位，机电工程学院博士研究生杨碧云为论文第一作者，叶大鹏教授和翁海勇副教授为论文共同通讯作者。该研究得到国家自然科学基金（62005046）、福建省高原学科项目（712018014）、学科交叉融合推动智慧农业（园艺）（71202103B）的资助。

文章链接：https://doi.org/10.1007/s00216-022-04254-6