农业机械学报

作者：张领先，丁俊琦，陈菲菲，李宜滨，张一丁

单位：中国农业大学,中国农业大学,中国农业大学,中国农业大学,中国农业大学,

关键词：作物病害处方推荐;自然语言处理;语义检索;多模态融合;电子病历

基金：国家自然科学基金项目（62376272）和全国农业专业学位研究生教育指导委员会研究生教育研究重点课题（2021-NYZD-07）

针对作物品种及病害种类繁杂、样本数据严重不平衡、处方类别多样及数据多模态等特点和难点，本文基于电子病历多模态数据整合，开展面向多样化、可拓展和多模态3种应用场景需求的作物病害处方推荐方法研究。针对常见病害多样化处方推荐应用场景，基于CdsBERT-RCNN和诊断推理构建了作物病害多样化处方推荐模型，提升了面向32种常见病害的诊断准确度及处方推荐的多样化水平；针对未训练少见病害和新添处方应用场景，基于MC-SEM和语义检索构建了作物病害可拓展处方推荐模型，提升了语义匹配准确性和案例库检索速度，实现对未训练病害的处方推荐功能；针对多种模态信息采集和输入应用场景，基于BATNet多层特征融合构建了多模态作物病害处方推荐模型，提升了多模态数据输入的处方推荐性能。实验结果表明，CdsBERT-RCNN模型对32种常见病害的诊断准确率达到85.65%，F1值达到85.63%；不同完整性输入测试中，仅输入症状信息即可达到81.19%的准确率，而添加环境信息和作物信息分别使准确率进一步提高1.65、3.61个百分点；MC-SEM模型对电子病历语义匹配任务达到皮尔森相关系数86.34%和斯皮尔曼相关系数77.67%；封闭集和开放集上处方推荐准确率分别达到88.20%和82.04%，验证了模型对未训练病害的推荐能力；BATNet对于多模态输入处方推荐任务的准确率和F1值达到98.88%和98.83%；应用场景分析和测试验证了模型在不完整模态（纯文本或纯图像）和不完整信息输入（作物、环境、症状）情况下泛化能力。该研究为数字化赋能作物病害防治决策提供了新的思路。

来源：2025年第1期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2025年第1期