水稻叶病害严重影响现代农业，威胁着作物健康和产量。分割技术对于分割患病叶片部分和帮助农民识别病害至关重要。

图为水稻东格鲁病毒病。受访者 供图

  ?

然而，当前水稻叶病分割过程中存在三个主要挑战，一是水稻叶病图像中形状不规则的斑点病叶往往具有复杂的纹理和形状。这种复杂性使得分割模型难以准确识别和分离，从而影响其精度。二是杂乱的背景元素，例如其他植物、土壤或杂草，会干扰模型的判断。这种干扰可能导致误将背景噪声或无关元素识别为患病区域，从而导致错误分割。三是患病图像中的边缘模糊问题会严重影响分割网络的性能，有时这个问题会导致分割结果出现错误。

为此，中南林业科技大学教授周国雄科研团队开发了一种名为AISOA-SSformer的新模型，可有效分割水稻叶病图像。该成果近期发表在Plant Phenomics上。

水稻东格鲁病毒病。受访者 供图

  ?

这个新模型集成了三个创新点，首先引入稀疏全局更新感知器动态调整权重，提高模型识别不规则病害特征的稳定性；其次引入显著特征注意力机制利用空间重建模块和通道重建模块降低背景干扰，让模型更精准分割病害区域；最后采用退火集成麻雀优化算法帮助模型跳出局部最优，提升模糊边界特征识别能力。这三个技术的结合显著提升了模型在复杂场景下的分割性能。

据介绍，研究构建了一个包含通病和褐斑病的精确标注数据集，为水稻大规模生产中的病害防治提供参考。团队提出的新模型在自建数据集上获得了83.1%的平均交并比和80.3%的骰子系数。该方法能有效提取背景复杂、形状不规则的水稻叶病特征。对于边缘模糊的水稻叶部病害，该方法也能有效区分和分割。

相关论文信息：https://doi.org/10.34133/plantphenomics.0218