病蟲(chóng)害預(yù)測(cè)預(yù)報(bào)的不及時(shí)與低準(zhǔn)確率，是導(dǎo)致病蟲(chóng)害防控延誤的關(guān)鍵難題。近日，湖南煙草病蟲(chóng)害智能監(jiān)測(cè)預(yù)警團(tuán)隊(duì)巧妙融合氣象數(shù)據(jù)與深度學(xué)習(xí)技術(shù)，首創(chuàng)病害預(yù)測(cè)DCNN-LSTM集成深度學(xué)習(xí)模型，成功實(shí)現(xiàn)對(duì)煙草病害的多尺度精準(zhǔn)預(yù)測(cè)，預(yù)測(cè)準(zhǔn)確率高達(dá)94％，這一突破性成果引領(lǐng)了煙草病蟲(chóng)害監(jiān)測(cè)預(yù)警體系的新變革。相關(guān)成果在國(guó)際頂尖農(nóng)業(yè)人工智能期刊《Computers and Electronics in Agriculture》（影響因子：7.7，中科院一區(qū)TOP期刊）上發(fā)表。

該高精度智能預(yù)警模型，不僅彰顯了我國(guó)在農(nóng)業(yè)人工智能領(lǐng)域的科研實(shí)力，更標(biāo)志著煙草病蟲(chóng)害預(yù)測(cè)預(yù)報(bào)實(shí)現(xiàn)了從傳統(tǒng)“經(jīng)驗(yàn)驅(qū)動(dòng)”到前沿“數(shù)據(jù)驅(qū)動(dòng)”的跨越式升級(jí)。該模型不僅具備強(qiáng)大的智能分析能力，還充分兼顧了實(shí)用性與便捷性。其采用了輕量化設(shè)計(jì)，文件大小控制在5.57 MB以內(nèi)，運(yùn)行高效且所需資源少，僅依靠氣象數(shù)據(jù)就能穩(wěn)定且高效地運(yùn)作。同時(shí)，該模型可與田間智能氣象站實(shí)現(xiàn)無(wú)縫對(duì)接，實(shí)時(shí)監(jiān)測(cè)并迅速發(fā)出病害預(yù)警，目前已成功部署到“湖南煙草病蟲(chóng)害智能監(jiān)測(cè)預(yù)警平臺(tái)”，為煙草種植戶提供了及時(shí)、精準(zhǔn)的防控指導(dǎo)。

面向未來(lái)發(fā)展，團(tuán)隊(duì)制定了進(jìn)一步的研究規(guī)劃：通過(guò)整合衛(wèi)星遙感數(shù)據(jù)、病蟲(chóng)害監(jiān)測(cè)數(shù)據(jù)等多源信息，將該模型的應(yīng)用范圍從煙草拓展至水稻、小麥等重要糧食作物。通過(guò)構(gòu)建糧煙融合的“空-天-地”病蟲(chóng)害立體監(jiān)測(cè)網(wǎng)絡(luò)，有望為糧煙融合高質(zhì)量發(fā)展注入科技動(dòng)力。

該研究由湖南省煙草科學(xué)研究所伍紹龍博士和湖南農(nóng)業(yè)大學(xué)唐前君教授任論文通訊作者，湖南農(nóng)業(yè)大學(xué)陳淵副教授、李長(zhǎng)城研究生為論文共同第一作者。該研究得到了中國(guó)煙草總公司科技項(xiàng)目、中國(guó)煙草總公司湖南省公司科技項(xiàng)目、湖南農(nóng)業(yè)大學(xué)交叉學(xué)科青年引導(dǎo)項(xiàng)目、湖南省農(nóng)業(yè)科技創(chuàng)新基金項(xiàng)目的資助。（https://doi.org/10.1016/j.compag.2025.110429）