引言
古老而珍贵的树木是重要的自然与文化遗产，具有生态服务功能、景观美学价值以及科学研究意义。它们所拥有的独特遗传信息与适应特性，对于培育具有抗逆性的现代林业品种至关重要（Hu, Yu, Gao等，2023；Zhao, Fan, Yin等，2019）。
随着树龄增长，树木会出现生理衰退，从而更容易受到病虫害的侵袭。多种病虫害同时侵害的情况尤其危险，因为这会加速树木衰退甚至导致死亡（Zhang, You, Zhu & Xu，2019b）。尽管病虫害在形态特征上存在巨大差异，且未必会同时出现在同一片叶子上，但在开阔的自然环境中的同一片森林冠层中，它们却常常共存。从实际林业应用的角度来看，在资源有限的边缘设备（如无人机或手机）上分别部署用于病虫害检测的独立专用系统，会使得计算负担增加一倍。因此，开发一种能够同时处理这些差异极大的特征的统一且高效能的模型，是建立实时、全面预警系统的关键前提。
这一现象在银杏保护工作中尤为常见。作为现存最古老的残遗树种，银杏既具备古老树木的共同脆弱性，又对病虫害有着独特的易感性。其有限的遗传多样性会加剧病虫害的爆发，而其珍贵的叶片与果实则使其成为受害目标；这两种威胁共同严重影响了银杏的生长与观赏价值（C., da Silva, Fantinel等，2021；Major，1967；Su, Shi, Li等，2023；Tang, Wu, Liu等，2019；Yuan, Tian, He等，2019）。
一旦银杏出现病虫害，若不及时干预，就会带来一系列危害。实现精准的病害监测与动态评估，是构建有效防控体系的基础（Shen, Li & Li，2024）。
传统的病虫害监测主要依靠人工视觉检查，这种方法存在效率低、主观性强的缺陷（Schuster，2015）。而计算机图像处理技术则可以通过早期识别和预警病虫害迹象，实现智能化监测，有助于防止病虫害爆发，避免大规模感染带来的重大经济损失（Yao, Lin & Bai，2024）。
近年来，深度学习技术在农作物病害防治领域取得了显著进展。其在图像识别与特征提取方面的强大能力，为农作物病害的早期诊断与精准防控提供了可能（Cui, Tan, Bai & Fu，2024；Lin, Wang, Li & Wei，2024）。
植物病害分割技术日益成为精准农业实践的核心组成部分（George, Thuseethan & Ragel，2025；Sahu & Pandey，2023）。
然而，银杏独特的形态特征以及有限的病虫害数据库，给开发与应用精准的分割技术带来了诸多困难。
古老的银杏树分布在不同气候条件各异的地区，这使得各种病虫害的发生频率存在显著差异。这就导致了模型训练数据集中的类别不平衡现象（已知类别1033个，未知类别1292个），进而影响模型性能。银杏叶片独特的扇形叶脉结构与蜡质表面，会导致病害区域与健康区域之间的边界模糊、颜色过渡渐变，使得病害症状表现不典型。此外，银杏生长在多山地区，给图像采集带来了诸多挑战——变化的光线条件与复杂的树冠遮挡都会形成复杂的背景与噪声，使得精准识别变得更加困难。不同保护区域之间的地理隔离也会导致病虫害的表型存在较大差异，即便属于同一种病虫害，其形态特征也可能千差万别。这不仅增加了数据标注的成本，还使得模型难以泛化到未曾见过的表型上（Du, Huang, Gao等，2023；Wang, Xie & Lu，2018；Zhang, You, Zhu & Xu，2019a）。
为应对这些挑战，本文提出了一种适用于银杏病虫害的开世界分割方法，该方法能够识别已知与未知的病虫害类别，可在开放环境中实现高效且稳定的分割效果。这一方法为古老银杏群落的精准保护提供了新的思路。
