本站讯 4月，植物科学领域的国际SCI顶级期刊《Frontiers in Plant Science》（影响因子6.627，JCR一区）在线发表学院科研团队最新研究成果“TasselLFANet: A Novel Lightweight Multi-Branch Feature Aggregation Neural Network for High-throughput Image-based Maize Tassels Detection and Counting（一种用于高通量图像玉米雄穗检测和计数的新型轻量级多分支特征聚合神经网络）”。我校为论文第一单位，余正泓博士为第一作者兼通讯作者，其指导的学生叶健雄为并列第一作者，学生王仰旭、潘康庆等共同参与了本次研究工作。《Frontiers in Plant Science》期刊在植物学类期刊中处于领先地位，在植物科学和生物学等学科中备受全球研究者的支持与肯定。
计算机视觉技术近年来在农业领域的应用越来越广泛，助力传统农业向智慧农业飞速发展。然而，在大田自然冠层图像中，由于户外场景复杂、尺度光照变化剧烈等诸多因素影响，玉米雄穗的自动实时计数问题难度较大且比较棘手，还未得到很好地解决。为此，机器人学院科研团队提出了一种基于全局回归框架的轻量级神经网络TasselLFANet，它通过对语义信息的多维映射，同时采用高效灵活的编解码形式和改进的注意力机制，可以实现对高时空图像序列中玉米雄穗进行快速、精准检测和计数，其性能超越了目前最新轻量级神经网络，能满足当前视觉系统在玉米雄穗计数中的精度和速度的要求，适合小型嵌入式系统的部署，为田间的自动计数提供了重要的理论依据和技术支撑。
TasselLFANet网络整体框架图
本研究成果源自于《机器视觉技术》课程的真实案例。余正泓博士采用项目化教学法，将智慧农业、智慧交通、智慧养老、智慧校园等实际应用场景引入机器视觉课堂，有效地调动了全班学生的学习积极性，带领学生们快速进入机器视觉这一前沿领域。在第二课堂的延伸活动中，余博士根据学生的个性化特点组建科研小组开展前沿探索，潜移默化地增强学生们的技术研发和创新能力。本次研究成果是机器人学院“专创融合”课程的生动实践，为培养创新型技术技能人才，助力学校“双高”和“本科校”建设积累了宝贵经验。
师生科研团队成员合影
本研究主要得到了广东省教育厅普通高校重点科研项目（2022ZDZX4075）和特色创新项目（2022KTSCX251）、广东省农村科技特派员项目（KTP20200153）、广东省教师教学创新团队项目（粤教职函[2022]23号）、广东省教育厅产教融合创新应用平台（2020CJPT004）等项目的资助。
撰稿：叶健雄、余正泓
摄影：杨佳豪
初审：冯海杰
复审：苏 江
终审：张 玮
