农业生产与食品保障事关社会经济稳定与民计民生，可持续绿色农业的发展符合人类日益增长的高质量需求。植物病害是威胁植物生产的最主要因素之一。因此，对植物病害开展精准与绿色防控可在未来大幅减少作物及农产品损失，而准确识别植物病害是精准防控的必要前提，人工智能与图像识别技术是目前及未来的潜力手段。
2024年7月，Plant Phenomics在线发表了贵州大学张欣/陈孝玉龙教授团队题为Local and global feature-aware
dual-branch networks for plant disease recognition 的研究论文。
研究提出了一种用于植物病害识别的局部与全局特征感知双分支网络-LGNet。该网络通过结合CNN的局部感知优势和Transformer的全局感知优势，以解决植物病害图像中出现的症状多样性的问题。
贵州大学博士研究生林建吾为该文第一作者，张欣/陈孝玉龙教授为该文共同通讯作者。相关工作得到国家重点研发计划、国家自然科学基金、贵州省科学技术厅平台/人才等项目资助。
https://doi.org/10.34133/plantphenomics.0054
Plant Phenomics | 贵州大学提出PDDD-PreTrain：一系列常用的预训练模型支持基于图像的植物病害诊断
https://doi.org/10.34133/plantphenomics.0220
Plant Phenomics | 中南林科大周国雄教授团队基于PDC-VLD的具有较强泛化性能的番茄叶病多模态开放目标检测模型
《植物表型组学》（Plant Phenomics）是由南京农业大学创办的英文学术期刊，于2019年1月正式上线发行。采用开放获取形式，刊载植物表型组学交叉学科热点领域具有突破性科研进展的原创性研究论文、综述、数据集和观点。具体范围涵盖高通量表型分析的最新技术，基于图像分析和机器学习的表型分析研究，提取表型信息的新算法，作物栽培、植物育种和农业实践中的表型组学新应用，与植物表型相结合的分子生物学、植物生理学、统计学、作物模型和其他组学研究，表型组学相关的植物生物学等。期刊已被DOAJ、Scopus、PMC、EI和SCIE等数据库收录。科睿唯安JCR2023影响因子为7.6，位于农艺学一区（1/125名），植物科学一区（13/265名），遥感一区（6/62名）。2023年中科院期刊分区位于农林科学大类一区。2020年入选中国科技期刊卓越行动计划高起点新刊项目、2024年入选江苏科技期刊卓越行动计划领军期刊项目。
说明：本文由《植物表型组学》编辑部负责组稿。
审核：孔敏、王平
