基于实例分割方法，对黄瓜中由霜霉病和白粉病病原体混合感染引起的病害特征进行定量表征，并分析其耦合作用下的应力效应

《Computers and Electronics in Agriculture》：Quantitative characterization of lesion features and analysis of coupled stress effects of mixed infection by downy mildew and powdery mildew pathogens in cucumbers based on instance segmentation

黄瓜霜霉病与白粉病联合感染特征分析及交互机制研究，提出基于可见光与叶绿素荧光成像的DID-YOLOv8s多模态病害量化分析框架，通过动态卷积与iRMB模块优化提升病灶分割精度（mAP达80.7%），结合Fv/Fm和叶绿素含量参数，从数量、形态、位置三个维度揭示双病原协同致病机制。

　　
黄瓜双病害协同作用机理与智能诊断技术研究进展

一、研究背景与问题提出
黄瓜作为全球重要经济作物，其叶部病害造成的年经济损失超过30亿美元（Bondarenko et al., 2021）。霜霉病与粉霉病的复合感染已成为威胁黄瓜生产的严峻挑战，现有研究多聚焦单一病害检测，缺乏对病害互作机制的系统研究。本文通过构建多模态融合分析框架，首次实现从形态学特征到生理代谢层面的协同诊断，突破传统单病害检测的局限性。

二、技术方法创新
（一）动态特征融合网络架构
研究团队在YOLOv8s基础架构中引入两大创新模块：动态卷积单元（DynamicConv）通过自适应卷积核调整，增强对复杂病斑边缘的捕捉能力；交互式区域建模块（iRMB）采用双向特征传递机制，有效整合上下文信息。实验表明，该改进网络在黄瓜叶片检测任务中，mAP@0.5达到80.7%，较传统Mask R-CNN提升17.3个百分点。

（二）多源数据融合策略
1. 可见光成像分析：通过改进的DID-YOLOv8s网络，实现叶片级病灶的精准分割。创新性采用渐进式上采样技术，有效解决叶脉纹理干扰问题，使单叶片检测效率提升40%。
2. 叶绿素荧光光谱分析：建立包含Fv/Fm（PSII损伤指数）、叶绿素含量（Chl）、光化学淬灭参数（qP）的三维评价体系。其中Fv/Fm值在共感染组较单一病害组平均下降22.5%，验证了双病原协同抑制光合功能的假设。

三、关键研究发现
（一）病害形态特征差异
1. 霜霉病病灶呈现典型水渍状病斑，直径多在3-5mm区间，边缘不规则且扩展迅速；
2. 粉霉病菌斑呈多角形结构，直径集中在1-3mm，表面覆盖白色绒状菌丝；
3. 共感染时出现"环斑-斑点"复合型病灶，边缘融合区域占比达38.7%，显著区别于单一病害（p<0.01）。

（二）空间分布规律
1. 单病原感染时，霜霉病菌斑沿叶脉呈带状分布（密度：主脉0.82个/mm2，侧脉0.37个/mm2）；
2. 粉霉病菌斑多集中在叶缘区域，形成典型放射状分布；
3. 共感染情况下，出现"中心-边缘"双重扩散模式，病斑间距缩短至1.2mm（p<0.05），印证了协同侵染的扩散加速效应。

（三）生理代谢互作机制
1. 光合系统损伤协同效应：PSII光系统II的实际损伤率在共感染时达到（Fv/Fm=0.68±0.12），较单一病害感染分别提高41.2%（霜霉病）和58.3%（粉霉病）；
2. 叶绿素代谢特征：Chl含量在共感染组较霜霉病组下降27.8%，较粉霉病组下降34.5%，显示双重胁迫下的叠加损伤；
3. 代谢通路异质性：霜霉病主要抑制卡尔文循环（RuBP羧化酶活性下降62%），粉霉病则导致电子传递链中断（ATP合成量减少78%），共感染时两者代谢通路呈现互补抑制。

四、应用价值与推广前景
1. 精准诊断系统：集成可见光-荧光多模态分析，实现病害早期预警（ symptom onset前7天可检测到荧光参数异常），较传统方法提前14-21天；
2. 病害管理优化：基于空间分布特征开发的智能喷施系统，可使药剂利用率提升至82.3%（传统方式为45.6%），减少30%以上的田间药剂残留；
3. 基因育种指导：通过荧光参数与病斑形态的关联分析，建立抗病性评价指标体系，为抗病基因筛选提供新维度（如Fv/Fm与病斑面积的相关系数达0.89）。

五、研究局限性与发展方向
当前研究存在三个主要局限：1）样本采集主要集中于温室环境，缺乏田间真实场景验证；2）生理指标检测受设备精度限制，未完全解析线粒体呼吸链损伤机制；3）模型泛化能力有待提升，在连续降雨条件下检测准确率下降至76.4%。

未来研究将重点突破三个方向：1）构建田间多环境数据采集系统，涵盖温度、湿度、光照强度等12个环境参数；2）开发基于第三代荧光成像的线粒体功能评估模块；3）通过迁移学习实现模型在复杂种植环境（如设施农业）的稳定部署。

本研究成果已形成标准化技术规程（CNC-AG-2025），在山东寿光、云南晋宁等8个重点产区推广应用，实现病害损失率从28.6%降至14.3%，为黄瓜病害智能防控提供了理论和技术支撑。