航空影像与深度学习可准确估计玉米叶部病害严重程度

南方叶枯病（southern leaf blight, SLB）是由坏死营养型真菌病原菌异孢腔孢霉（Cochliobolus heterostrophus）引起的玉米（Zea mays L.）叶部病害。遗传抗性是防治SLB最有效的方法。培育抗病玉米自交系需要开展田间试验，在试验过程中必须通过目测对病害表型进行评估。利用无人机开展遥感是一项新兴技术，可用于对病害严重度进行高通量表型鉴定，而这类鉴定工作原本劳动密集且具有主观性。本研究采用深度学习方法，根据无人机影像估算单行玉米小区的SLB病害严重度。 本研究对跨越三个生长季飞行获取的影像所生成的26,000余张小区尺度图像进行了标注，所依据的是由专家评定人员同期在田间记录的目测评分。环境条件的差异使该标注图像数据集反映了农艺田间试验的复杂性。我们评估了来自三类架构家族的九种深度学习模型对病害严重度进行估算的能力。表现最佳的模型EVA-02-B展现出较强的跨年份泛化能力（R² = 0.697）。误差分析表明，模型性能与季节性病害进程以及飞行时间与评分时间的偏移量的关联性强于与图像层面噪声的关联性。基于无人机的深度学习方法在估算SLB严重度方面达到了与专家评定人员相当的精度。本研究为将自动化表型整合到病害抗性遗传研究中奠定了基础。

南方叶枯病（southern leaf blight, SLB）是由坏死营养型真菌病原体异色平脐蠕孢（Cochliobolus heterostrophus）引起的玉米（Zea mays L.）叶部病害。遗传抗性是控制SLB最有效的方法。培育抗病玉米品系需要开展田间试验，在此过程中必须通过目测评估病害表型。利用无人机进行遥感是一项新兴技术，可用于对原本劳动密集且具有主观性的病害严重度开展高通量表型鉴定。本研究采用深度学习方法，基于无人机影像估算单行玉米小区的SLB病害严重度。对跨越三个生长季飞行获取的26,000余幅小区尺度图像，结合由专家评分人员同期在田间获取的目测评分进行了标注。环境条件的变化促成了一个能够反映农艺田间试验复杂性的已标注图像数据集。我们评估了来自三个架构家族的九种深度学习模型在估算病害严重度方面的能力。表现最佳的模型EVA-02-B展现出较强的跨年份泛化能力（R2 = 0.697）。误差分析表明，模型性能与季节性病害进程以及飞行与评分之间的时间偏移关系更为密切，而与图像层面的噪声关联较弱。基于无人机的深度学习对SLB严重度的估算精度与专家评分人员相当。本研究为将自动化表型整合到抗病遗传研究中奠定了基础。

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.06.03.729887v1?rss=1

🏷️ 玉米南方叶枯病 无人机遥感 深度学习 高通量表型鉴定 病害严重度估算