2021年2月22日，Forest Ecology and Management在线发表了福建农林大学林学中心苏军副教授题为“Application of conventional UAV-based high-throughput object detection to the early diagnosis of pine wilt disease by deep learning”的论文。报道了该团队利用人工智能介导的图像识别技术构建松材线虫病早期识别模型的工作。

松材线虫病又被称为松树的“癌症”，能在短时间内引起松树枯死的一种毁灭性、流行性林木病害，而且松材线虫病以松墨天牛为传播媒介，传染性极强。目前，我国南方各省区的松材线虫病已呈连片发生之势，形势已十分严峻。因此，必须坚决、果断的采取有效的综合治理措施，遏制、压缩和扑灭松材线虫病，控制疫病的发生危害与扩散蔓延。其中，病症的早期识别是整个松材线虫病综合治理的关键工作，成功高效的早期识别能为随后的治理工作赢得先机，提高整体的防治效率。迄今为止，依然缺乏高通量、经济友好和人力成本节约的林间早期诊断技术。

该研究首先通过坐标溯源的方式，借助搭载普通RGB相机的无人机，首次在野外实现了不同时期松材线虫病病症图片资料的大规模采集工作，并以采集到的图片资料作为训练样本构建早期识别模型。在模型构建中，该团队对现有主流的9种机器学习算法进行了比较，并确定了两种高级深度学习算法Faster Region-based Convolutional Network (Faster R-CNN) 和 You Only Look Once version 3 (YOLOv3)的优越性。进一步对基于这两个深度学习构建图像识别框架的比较发现YOLOv3模型在处理速度、模型大小和准确率方面有显著优势，并且能够进一步被用作无人机前端布置，实现在飞行过程中图像采集到判别的自动化。

林学中心工程师吴碧治为该论文第一作者，福建农林大学林学院博士研究生梁安洁与厦门市绿化管理中心张华峰高工为该论文的共同第一作者，林学院李键博士与林学中心苏军博士为该论文的共同通讯作者。此外，林学中心博士研究生朱腾飞、杨德铭，硕士研究生汤温玉以及福建省林业局邹智滢参与了本研究。该项工作得到国家自然科学基金、国家留学基金委和福建省林业局的资助。