农业大数据中心）近日，农业生态大数据分析与应用技术国家地方联合工程研究中心翁士状、郑玲副教授课题组在农业传感遥感领域取得系列进展，先后在国际顶尖期刊上发表多篇论文。
在作物病害病原检测方面，翁士状副教授团队与中国科学院合肥物质科学研究院李盼副研究员合作在赤霉病原体检测领域取得显著进展。该研究提出了一种增强类啮合热点效应（Enhanced Quasi-Meshing Hotspot Effect，EQMHE）结合嵌入式注意力残差网络（Embedded Attention Residual Network，EARNet）的免培养表面增强拉曼光谱（Surface-Enhanced Raman Spectroscopy，SERS）检测策略，为镰孢菌孢子的精准检测提供了有效解决方案。研究成果“Enhanced quasi-meshing hotspot effect integrated embedded attention residual network for culture-free SERS accurate determination of Fusarium spores”（DOI:10.1016/j.bios.2024.117053）发表于《Biosensors and Bioelectronics》期刊（中科院一区TOP，IF=10.7）。硕士研究生吴叶杭为论文第一作者，翁士状副教授为论文通讯作者，安徽大学为第一单位。
图1（A）EQMHE结合EARNet的免培养镰孢菌孢子SERS检测流程图；无EQMHE构筑热点（B）与通过EQMHE构筑热点（C）的扫描电子显微镜图像。（D）孢子（黑色）、戊唑醇（蓝色）以及经过戊唑醇孵育的孢子（红色）SERS光谱。
在智慧采摘方面，提出了一种结合检测网络与点回归的新型方法，为葡萄采摘自动化提供了高效精准的解决方案。其研究成果“Efficient one-stage location method for grape picking points in natural scene by combining detection network and point regression”（DOI:10.1016/j.compag.2024.109725）发表于中科院SCI一区TOP期刊《Computers and Electronics in Agriculture》（中科院一区TOP，IF= 8.4）。硕士研究生张盛羽、胡康为论文共同第一作者，翁士状副教授为论文通讯作者，安徽大学为第一单位。
图2 单阶段葡萄茎和采摘点的精准定位方法。
在图像质量提升方面，提出系列高效多尺度超分方法，成果“Efficient mixed transformer for single image super-resolution”（https://doi.org/10.1016/j.engappai.2024.108035）和“Multi-scale Implicit Transformer with Re-parameterization for Arbitrary-scale Super-resolution”（DOI:10.1016/j.patcog.2024.111327）分别发表于信息领域国际顶级期刊Engineering Applications of Artificial Intelligence（中科院一区TOP，IF=7.4）和Pattern Recognition（中科院一区TOP，IF=7.6）。针对基于Transformer的方法缺乏局部机制和高复杂度问题，发展像素混合器和条纹窗口自注意力构建高效混合Transformer网络（EMT）；实验结果表明，EMT在基准数据集上的表现优于现有方法，达到了先进的水平。郑玲副教授为论文第一作者，翁士状副教授为论文通讯作者，安徽大学为第一单位。同时，针对基于隐式神经表征的方法在图像任意尺度超分辨率（ASSR）中潜码难以适应不同的放大系数问题，设计了一种多尺度隐式Transformer（MSIT），它由多尺度神经算子（MSNO）和多尺度自注意（MSSA）组成；MSNO通过特征增强、多尺度特征提取和多尺度特征混合以获得多尺度潜码；MSSA进一步增强了潜码的多尺度特征，进一步提高性能。大量实验验证，MSIT在ASSR任务中取得了当前最优表现。硕士研究生朱金辰为论文第一作者，郑玲、翁士状副教授为论文通讯作者，安徽大学为第一单位。
图3 Efficient mixed transformer网络结构。
图4 多尺度隐式Transformer图像任意超分网络。