登录
 机构网站
  1. 首页
  2. 情报产品
  3. 快讯详情

《美国佛罗里达大学开发全球植物病害动态监测平台Robigus》

  • 来源专题：农业生物安全
  • 编译者： 李周晶
  • 发布时间：2025-09-15

  • SeedQuest网站9月8号报道，佛罗里达大学食品与农业科学研究所（University of Florida’s Institute of Food and Agricultural Sciences, UF/IFAS）科学家研发全球植物病害信息整合平台Robigus，通过数据可视化技术实现作物病害的时空动态追踪，为病害预警与防控决策提供科学支持。

    植物病害跨境传播严重威胁粮食安全，但相关数据长期分散于全球数千种学术期刊中，尤以“首次报告”形式发布的新兴病害信息难以系统获取。为破解这一难题，UF/IFAS的科学家开发了名为Robigus的应用平台，整合过去45年全球植物病害记录，覆盖美国、中国、印度、巴西等主要农业国家。平台集成病原体种类、寄主作物、地理分布与发生时间等关键信息，用户可通过作物、病原、国家或年份进行多维度检索，并生成动态时空图谱。

    Robigus不仅服务于科研人员对病原多样性与传播规律的研究，亦为农业推广部门和种植户提供实用工具，可快速查询特定区域或作物的历史病害记录。

    该平台部署于佛罗里达大学的超级计算机HiPerGator上，实现了海量文献数据的结构化与可交互访问，标志着植物病害监测向数字化、智能化迈出重要一步。

  • 原文来源：https://www.seedquest.com/news.php?type=news&id_article=165067&id_region=&id_category=&id_crop=
24浏览量
原文链接
相关报告

  • 《罗比格斯能成为新的农作物守护者吗？这个应用程序跟踪全球植物病害》
    • 来源专题：农机装备
    • 编译者：江浩
    • 发布时间：2025-09-10
    •        Robigus 以曾经保护麦田免受枯萎病侵害的罗马神的名字命名，是抗击植物病害的最新技术盟友。该应用程序由佛罗里达大学食品与农业科学研究所 （UF/IFAS） 的科学家开发，只需轻按屏幕或键盘即可帮助检测全球作物威胁。        该应用程序已经可供种植者、科学家、房主使用，并托管在佛罗里达大学的超级计算机 HiPerGator 上。        Braham Dhillon 是 UF/IFAS 劳德代尔堡研究和教育中心的分子植物病理学家，也是棕榈、木本植物和农作物真菌病原体的专家。他的研究计划将基础科学和应用科学相结合，以更好地了解这些病原体如何感染和传播。        “植物病害不分国界，”迪隆说。“有了 Robigus，我们现在有办法在全球范围内看到它们。这种知识对于保护农作物和粮食安全至关重要。        Robigus 的创建源于 Dhillon 在自己的研究中面临的一个挑战：虽然存在有价值的植物病害数据，但它分散在数千种科学期刊和记录新疾病爆发的早期或“第一份报告”中。这些“”通常是农作物面临新威胁的初始记录，但它们可能很难找到和访问。他并不是唯一一个面临这一挑战的人。        “世界各地的许多实验室都会发布植物病害报告，但它们通常作为单独的文章出现在出版商的网站上，”迪隆说。“有大量信息——病原体名称、寄主植物、位置、发现年份——但它们被锁定在文本中。我构建 Robigus 是为了以一种可搜索和交互的方式将这些数据整合在一起。        Robigus 借鉴了 45 年的全球植物病害记录，整理了来自美国、印度、巴西、韩国、墨西哥和中国等国家的报告。该界面允许用户按作物、病原体、国家或年份进行过滤。结果是一个动态地图和数据集，可视化了疾病报告的地点和时间。        对于科学家来说，Robigus 提供了一个强大的工具来研究病原体活动、多样性、跟踪疾病的出现，甚至预测疾病风险。        “对于推广人员和种植者来说，这是一个实用的资源，可以回答诸如'我所在的地区是否报告过这种疾病？'或'棕榈、芒果、荔枝或香蕉存在哪些威胁？'“他说。        此外，拥有苦苦挣扎的果树的房主可以使用该应用程序查看全球范围内记录了该物种的疾病。        例如，Dhillon 指出了香蕉中镰刀菌枯萎病的热带第 4 种。这种毁灭性的疾病威胁着卡文迪什香蕉，卡文迪什香蕉约占全球香蕉出口的 99%，是大多数超市的标准香蕉。        “它曾经局限于亚洲，现在已经传播到土耳其和南美洲——Robigus 在其数据集中清楚地追踪到了这些运动，”他说。“你可以观察疾病历史的展开，从亚洲最早的记录开始，然后新的报告出现在南美洲。该应用程序不仅帮助我们可视化疾病在哪里，还帮助我们可视化它们如何传播。
    17浏览量
    原文链接

  • 《中国植物病害检测人工智能算法令世人瞩目》
    • 来源专题：农业生物安全
    • 编译者：李周晶
    • 发布时间：2023-06-07
    • 据美国物理学家组织网站和EurekAlert网站2023年5月12日报道，中国南京农业大学大数据智能计算研究团队开发了一种用于特征选择的群体智能算法（salp swarm algorithm for feature selection,SSAFS），可基于图像有效地对植物病害进行检测，相关研究结果已经在《Plant Phenomics》期刊上发表。 每年由细菌、病毒和真菌引起的植物疾病都会造成重大的经济损失。尽早发现植物疾病是遏制其传播和减轻农业损失的有效途径。智能农业系统通常采用摄像头和AI模型来监控和分析植物病害。然而，如何有效地解析植物病害特征，实现高精度、高效率的病害检测，仍然充满挑战。SSAFS不仅减少了植物病害特征的数量，而且显著提高了分类精度。研究人员首先从PlantVillage数据库中获取苹果、玉米、葡萄和咖啡的患病叶片图像，通过高通量表型技术大规模分析植物疾病症状；再利用计算机视觉技术提取特定的图像特征，确定了植物病害的“最佳特征子集”；基于该子集评判苹果（黑星病、黑腐病、桧胶锈病）、玉米（灰斑病、锈病、北方玉米枯叶病）、葡萄（黑腐病、黑麻疹、叶枯病）和咖啡（潜叶虫、黄斑病、锈病）的健康状态及患病种类；并针对潜叶虫和锈病的患病作物评估疾病的严重程度。在4个UCI数据集（Heart, Urban Land Cover, Arrhythmia, and CNAE-9）和6个植物表型（4种作物和2种疾病）数据集中对SSAFS的有效性进行测试，并与其他5种类似智能算法（PSO、ABC、IBGWO、Squirrel、SSA）的性能进行了比较。研究结果表明，SSAFS在植物病害检测和严重程度估计方面都表现良好，可以显著提高植物病害识别的准确性，并缩短所需的处理时间。研究成果有助于提高植物表型的检测效率，实现植物病害的智能化管理。
    26浏览量
    原文链接