湖南烟草首创高精度智能预警模型引领病虫害监测预警新变革

病虫害预测预报的不及时与低准确率，是导致病虫害防控延误的关键难题。近日，湖南烟草病虫害智能监测预警团队巧妙融合气象数据与深度学习技术，首创病害预测DCNN-LSTM集成深度学习模型，成功实现对烟草病害的多尺度精准预测，预测准确率高达94％，这一突破性成果引领了烟草病虫害监测预警体系的新变革。相关成果在国际顶尖农业人工智能期刊《Computers and Electronics in Agriculture》（影响因子：7.7，中科院一区TOP期刊）上发表。

该高精度智能预警模型，不仅彰显了我国在农业人工智能领域的科研实力，更标志着烟草病虫害预测预报实现了从传统“经验驱动”到前沿“数据驱动”的跨越式升级。该模型不仅具备强大的智能分析能力，还充分兼顾了实用性与便捷性。其采用了轻量化设计，文件大小控制在5.57 MB以内，运行高效且所需资源少，仅依靠气象数据就能稳定且高效地运作。同时，该模型可与田间智能气象站实现无缝对接，实时监测并迅速发出病害预警，目前已成功部署到“湖南烟草病虫害智能监测预警平台”，为烟草种植户提供了及时、精准的防控指导。

面向未来发展，团队制定了进一步的研究规划：通过整合卫星遥感数据、病虫害监测数据等多源信息，将该模型的应用范围从烟草拓展至水稻、小麦等重要粮食作物。通过构建粮烟融合的“空-天-地”病虫害立体监测网络，有望为粮烟融合高质量发展注入科技动力。

该研究由湖南省烟草科学研究所伍绍龙博士和湖南农业大学唐前君教授任论文通讯作者，湖南农业大学陈渊副教授、李长城研究生为论文共同第一作者。该研究得到了中国烟草总公司科技项目、中国烟草总公司湖南省公司科技项目、湖南农业大学交叉学科青年引导项目、湖南省农业科技创新基金项目的资助。（https://doi.org/10.1016/j.compag.2025.110429）