生理拓扑图神经网络

PT-GNN利用光合电子传递和激发能分配的生理先验约束图结构，将高光谱上下文注入荧光图传播，实现黄瓜霜霉病无症状潜伏期的早期检测。

Yibin, Li · 79493036 · 王永 · Gao, Wei · Zhang, Yiding · 张领先

Computers and Electronics in Agriculture 2027

参数信息

ROI级分类准确率

98.42 %

ROI级macro-F1

98.42 %

物理叶片级分类准确率

98.17 %

物理叶片级macro-F1

98.18 %

技术优势

潜伏期就能测

图结构遵循光合电子传递和能量分配先验，使模型能捕捉无症状阶段的微弱生理变化。

识别更符合生理机制

将叶绿素荧光参数按光合作用机制连接，并用高光谱上下文调节信息传递，避免简单拼接造成的信息丢失。

模型可解释

消融和可解释性分析证实了生理图拓扑、上下文融合、qP-NPQ注意力重分配及可见-近红外光谱敏感性的贡献。

应用场景

• 作物病害早期诊断：在症状出现前识别潜伏感染，提前采取防治措施，减少产量损失和农药使用。
• 植物表型分析：通过多模态融合量化胁迫下的光合功能状态，用于高通量抗病性筛选。
• 设施园艺智能监测：与设施内成像系统集成，连续监测作物健康并定位病害热点，实现精准管理。
• 农业物联网传感：提供轻量级推理模型，可部署于边缘设备，为农业物联网提供实时病害预警。