信息科学与技术学院高攀教授团队在计算机跨学科应用领域和农业工程领域TOP期刊发表最新研究成果

　　近日，信息科学与技术学院高攀教授团队围绕少样本下三维点云分割网络和生成对抗网络在农业领域的应用研究取得新进展。研究成果以“Stem-Leaf segmentation and phenotypic trait extraction of individual plant using a precise and efficient point cloud segmentation network（利用精确高效的点云分割网络进行单株植物的茎叶分割和表型特征提取）”和“Jujube quality grading using a generative adversarial network with an imbalanced data set（不平衡数据集下使用改进的生成对抗网络进行红枣品质分级）”为题分别发表在农林科学领域TOP期刊Computers and Electronics in Agriculture（中科院一区Top，IF=8.3）和Biosystems Engineering（中科院一区Top，IF=5.1）。

快速准确的三维器官分割是作物高通量表型性状的自动提取重要基础，但复杂的植物点云中实现精确的器官分割，往往需要在网络中使用更深层次的多级结构来捕捉更丰富的点云信息，这通常会带来额外的参数和计算负担。研究团队创新提出一种轻量级三维深度学习网络（PEPNet），实现了多尺度特征学习并自适应地降低了计算开销，能够将多种类型植物的器官精确分割和表型性状提取。

为了提高红枣分级精度，解决现有红枣分级设备场景中最具挑战性和长期存在的数据不平衡问题，研究团队创新地提出一种新的生成对抗网络GAN模型（命名为JUJUBE-GAN），研究为解决红枣精准分级提供了一种创新方法。

石河子广播电视大学信息科学与技术学院高攀教授是论文通讯作者，论文第一作者分别为信息科学与技术学院的硕士研究生闫靖昆和仓浩，该研究得到了国家自然科学基金、兵团重点领域科技攻关项目资助。

（通讯员：闫靖昆  仓浩）