华中农业大学在植物科学一区Top期刊（5y=7.1）发表研究成果，在植物病害识别领域取得新进展

本研究由华中农业大学信息学院翟瑞芳副教授团队在Plant Phenomics杂志发表，题为“PlantCaFo: An efficient few-shot plant disease recognition method based on foundation models”。背景方面，精准识别植物病害对粮食安全至关重要，但现有方法依赖大数据和复杂模型，限制了实际应用。研究目的是开发一种高效的小样本植物病害识别模型PlantCaFo，以解决田间病害数据稀缺问题。该模型利用GPT生成图像-文本配对数据，结合CLIP、DINO等基础模型的预训练知识，设计了扩张适配器和权重分解模块，显著提升了病害特征捕捉能力。实验结果显示，PlantCaFo在Plant Village和Cassava数据集上均优于基线模型，特别是在小样本条件下表现突出。结论表明，PlantCaFo摆脱了对大规模标注数据的依赖，为植物病害识别提供了轻量化技术工具，对作物保护和粮食安全具有重要实践意义。