本站讯 近日，人工智能领域顶级期刊《Engineering Applications of Artificial Intelligence》（简称EAAI，影响因子8.0，JCR一区）正式刊登我校机器人学院研究成果“PlantBiCNet: A New Paradigm in Plant Science with Bi-directional Cascade Neural Network for Detection and Counting”。机器人学院2020级应用电子技术专业叶健雄同学为论文第一作者，机器人学院余正泓博士为论文并列第一作者兼通讯作者，机器人学院为论文第一单位。2020级工业机器人技术专业王仰旭、2020级应用电子技术专业吴汝骏、伍悦铭、潘康庆等同学共同参与了本次研究工作，这是我校学子以第一作者身份发表SCI之后的又一次重大突破。
EAAI是国际自动控制联合会（IFAC）8本会刊之一，是计算机科学、人工智能领域国际公认的Top期刊，致力于推广和传播人工智能工程应用的创新研究成果。
图1.《Engineering Applications of Artificial Intelligence》发表我校学子研究成果
此次论文提出了一种创新方法以解决植物科学领域中一项重要且实际的问题：如何在少量数据情况下训练出高效的机器学习模型。本研究提出了两种新的双向级联神经网络范式：PlantBiCNet及其轻量级变体PlantBiCNet-Lite（见图2）。与以往研究不同的是，本研究更注重网络解码过程本身，而非编码器。构建的双向级联和权重融合的解码方式充分利用高层语义信息和低层空间信息，以一种尊重梯度多样性的方式增强定位信号。此外本研究还使用正则化策略来缓解神经网络的域不变性，有效提高了模型的泛化能力。广泛的实验结果表明，提出的方法比现有先进技术具有更好的性能和效率（见图3）。这项研究成果已申请国家发明专利。
图2. PlantBiCNet和PlantBiCNet-Lite的网络架构
图3. 在6个小规模数据集上的综合性能表现，提出的方法一直处于领先地位
截至目前，机器人学院科研团队在农业自动观测领域取得了一系列阶段性成果，涵盖通用学习架构、小样本学习、遥感图像分析以及农业中的各种计算机视觉问题。其中，叶健雄同学在校期间参与完成了4项研究，并以第一作者/并列第一作者/第二作者的身份发表SCI论文4篇；王仰旭同学也参与完成了这4项研究，并以第三作者署名。
团队已发表的系列成果论文包括：
[1] Jianxiong Ye+, Zhenghong Yu+, Yangxu Wang, Dunlu Lu, et al. PlantBiCNet: A New Paradigm in Plant Science with Bi-directional Cascade Neural Network for Detection and Counting, Engineering Applications of Artificial Intelligence, 2023. (+同等贡献，JCR一区，影响因子8.0)
[2] Jianxiong Ye+, Zhenghong Yu+, Yangxu Wang, Dunlu Lu, et al. WheatLFANet: in-field detection and counting of wheat heads with high-real-time global regression network. Plant Methods 19, no. 1 (2023): 103. (+同等贡献，JCR一区，影响因子5.1)
[3] Zhenghong Yu+, Jianxiong Ye+, et al. TasselLFANet: a novel lightweight multi-branch feature aggregation neural network for high-throughput image-based maize tassels detection and counting. Frontiers in Plant Science 14 (2023): 1158940. (+同等贡献，JCR一区，影响因子5.6)
[4] Dunlu Lu, Jianxiong Ye, Yangxu Wang, and Zhenghong Yu. Plant Detection and Counting: Enhancing Precision Agriculture in UAV and General Scenes. IEEE Access (2023). (JCR二区，影响因子3.9)
图4. 师生研究团队照片
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
初审：魏娇娇
复审：孔建华
终审：刘湘兰、余正泓
