2025年3月20日上午，潍坊科技学院计算机学院副院长付瑞副教授及其团队两位成员王世宇和程振起同学应邀到“语言智能大讲堂‘研修讲坛’”围绕“基于YOLO的病虫害检测技术”与“番茄成熟度智能检测方法”这两大前沿“AI+农业”课题展开学术交流与分享。活动在四川外国语大学博文楼 401 报告厅举行。此次交流活动由2021级在读博士谭娅主持，四川外国语大学语言脑科学研究中心主任、语言智能学院（通识教育学院）院长、重庆市沙坪坝区国际语言脑机接口联合研究院院长姜孟教授及部分硕博士研究生参加了此次活动。

首先，付瑞博士介绍了其团队的整体情况。接着，其团队成员王世宇同学开始介绍其团队开发的“基于YOLO的病虫害检测系统”。他强调YOLO模型在实时性、模型大小、精度和效率方面的优势。他提到，该系统支持本地部署，用户可通过上传图像、视频或使用摄像头进行实时检测，系统便可以直观展示出病虫害的类型、位置、名称及患病情况，显著提升检测效率，降低误判。此外，王世宇指出，依赖深度学习和计算机视觉的目标检测技术，尤其是YOLO（You Only Look Once）系列，已成为农业智能检测的关键工具。他们团队本次开发的系统正是基于YOLO8这一最新版本，在精度和性能上有所提升，进一步提高了检测效率。

交流现场

接着，王世宇从技术、模型评估、环境配置等方面分别作了详细介绍。在技术方面，王世宇详尽阐述了模型架构、训练流程等。具体而言，他指出，YOLO8沿袭了YOLO系列的端到端目标检测框架，通过轻量化设计降低了计算复杂度，同时提升了检测精度。该模型由输入层、骨干网络、特征金字塔和检测头组成，分别负责图像特征提取、多尺度目标检测及目标分类与边界框回归。在训练与优化上，其团队采用7:2:1的数据划分对数据进行训练、验证和测试，并结合如随机翻转、颜色调整、噪声干扰等数据增强技术，确保模型在不同数据集上具有良好的泛化能力以及增强了模型的鲁棒性，使其能够适应不同的光照和环境条件。在模型评估方面，王世宇介绍了包括Precision（精确率）、Recall（召回率）、mAP（平均精度均值）等在内的多个关键评价指标，并指出其团队通过调整超参数优化mAP，实现了不同病虫害类别的均衡识别。在模型的环境配置方面，王世宇讲到该系统使用PyTorch深度学习框架，结合CUDA加速训练，简化了传统目标检测模型的复杂配置，提高了用户体验。在此基础上，付瑞博士团队的另一位成员，程振起同学进一步补充了环境配置的具体步骤，包括安装Anaconda、配置环境变量、安装CUDA、创建conda环境及使用VSCode或PyCharm等以及展示了如何使用他在研的番茄成熟度检测系统。他指出，和使用病虫害检测系统类似，用户仅需上传待检测的图像或视频，系统便会迅速识别并标注、分类图像或视频信息，同时以直观的数据形式展示检测结果，从而满足用户对精准识别以及番茄成熟度结果可视化与可解释性的需求。

交流现场

讲座结束之际，付瑞博士与在场师生展开了热烈的互动研讨。最后，姜孟院长对本次交流作了简要点评与总结。他指出，付瑞博士团队的两个系统颇有价值与潜力，两位“小专家”的表现可圈可点，展现了优秀与实力。他希望大家深刻体悟，充分汲取付瑞博士及其团队的思想洞见、专研精神与严谨作风。他鼓励大家深挖细研，苦练“内功”，积极投身于大数据、大算法、大模型的广阔海洋，锐意进取，广览博识，笃学不倦，知行合一，虔心躬身于语言智能的前沿，为语言智能科研创新上下求索。

语言脑科学研究中心

语言智能学院（通识教育学院）

川外学坛

2025年3月20日