1. Multiple disease detection method for greenhouse-cultivated strawberry based on multiscale feature fusion Faster R_CNN.
　　Computers and Electronics in Agriculture（影响因子6.757）
　　病害对草莓的品质和产量有着重要影响，深度学习已成为检测作物病害的重要途径。为了解决自然环境下草莓病害图像中复杂背景和小病斑的问题，本文提出了一种新的更快的R-CNN架构。多尺度特征融合网络由ResNet、FPN和CBAM块组成，可以有效地提取丰富的草莓病害特征。该模型与Mask R-CNN和YOLO-v3相比，可以保证高精度和快速检测的操作要求。该方法旨在为作物病害检测提供更加有效的解决方案，可以改善农民对草莓生长过程的管理。

　　2. Crop Pest Recognition in Real Agricultural Environment Using Convolutional Neural Networks by a Parallel Attention Mechanism.
　　Frontiers in Plant Science（2022影响因子6.627）
　　作物害虫是世界范围内的主要农业问题，因为其发生的严重性和范围威胁作物产量。然而，传统的害虫图像分割方法存在局限性、效率低、耗时长等问题，给其推广应用带来困难。深度学习方法已成为解决与害虫识别相关的技术挑战的主要方法。我们提出了一种改进的深度卷积神经网络，以更好地识别真实的农业环境中的作物害虫。该网络包括并行注意机制模块和残差块，与其他模型相比，在准确性和实时性方面具有显著的优势。