中国农科院农业信息研究所提出层次知识引导的枸杞害虫识别框架——Engineering Applications of Artificial Intelligence在线发表
国家级科研机构在农业AI顶刊发表的技术突破，方法新颖且直击样本稀缺与类间混淆痛点，对特色作物虫害智能监测有示范价值，值得进入每日精选。
中国农业科学院农业信息研究所科学数据研究室科研团队近日提出一种层次知识引导的枸杞害虫识别框架，有效解决真实农业场景下样本稀缺与类间混淆的双重挑战，相关研究成果发表在《人工智能的工程应用》（Engineering Applications of Artificial Intelligence）上。研究团队依托长文本-图像检索模型，把专家撰写的长文本描述解析为粗、中、细三个语义层次，并与多尺度视觉特征实现精准跨模态对齐。同时设计知识引导的去混淆模块，通过构建文本和视觉双模态相似度图，明显降低容易混淆类别之间的预测误差。该研究得到国家重点研发计划、中国农业科学院科技创新工程等项目支持。
生命科学 | 医学科学 | 化学科学 | 工程材料 | 信息科学 | 地球科学 | 数理科学 | 管理综合站内规定 | 手机版
首页 | 新闻 | 博客 | 院士 | 人才 | 会议 | 基金·项目 | 论文 | 绘图 | 视频·直播 | 小柯机器人 | 医学科普
作者：李晨 来源：中国科学报 发布时间：2026/9/23 11:21:15 选择字号：小 中 大 新方法可智能识别枸杞害虫 近日，中国农业科学院农业信息研究所科学数据研究室科研团队，提出一种层次知识引导的枸杞害虫识别框架，有效解决真实农业场景下样本稀缺与类间混淆的双重挑战。相关研究成果发表在《人工智能的工程应用》（Engineering Applications of Artificial Intelligence）上。 
层次知识引导的枸杞害虫识别流程示意图。中国农科院供图 枸杞是高价值药用植物，虫害会对它的果实品质和药效造成很大影响。传统识别方法效率低且难以实现规模化应用。现有深度学习模型，面对外观高度相似的害虫种类时，常因标注样本不够，而识别效果不理想。 针对上述难题，科研团队依托长文本-图像检索模型，把专家撰写的长文本描述解析为粗、中、细三个语义层次，并与多尺度视觉特征实现精准跨模态对齐。同时，设计知识引导的去混淆模块，通过构建文本和视觉双模态相似度图，明显降低容易混淆类别之间的预测误差。该研究为枸杞等特色作物的虫害智能监测与精准防控提供新的技术路径，也为将农业专家知识融入视觉—语言模型提供参考。 该研究得到国家重点研发计划、中国农业科学院科技创新工程等项目支持。 相关论文信息：https://doi.org/10.1016/j.engappai.2026.115342 版权声明：凡本网注明“来源：中国科学报、科学网、科学新闻杂志”的所有作品，网站转载，请在正文上方注明来源和作者，且不得对内容作实质性改动；微信公众号、头条号等新媒体平台，转载请联系授权。邮箱：[email protected]。
打印 发E-mail给：
以下评论只代表网友个人观点，不代表科学网观点。
相关新闻 相关论文
-
1
-
2
-
3
-
4
-
5
-
6
-
7
-
8
-
1
-
2
-
3
-
4
-
5
-
6
-
7
-
8
-
1
-
2
-
3
-
4
-
5
-
6
-
7
-
8
-
9
-
10
关于我们 | 网站声明 | 服务条款 | 联系方式 | 举报 | 中国科学报社
京ICP备07017567号-12互联网新闻信息服务许可证10120230008 京公网安备 11010802032783
Copyright @ 2007-2026 中国科学报社 All Rights Reserved
地址：北京市海淀区中关村南一条乙三号 电话：010-62580783