2025年5月29日，成都理工大学国际教育学院（牛津布鲁克斯学院）中外合作办学师生在国际权威期刊Computers and Electronics in Agriculture（《农业计算机与电子》，中科院一区，影响因子7.7）上发表了题为“A novel residual learning of multi-scale feature extraction model for the classification of rice grain varieties”（基于多尺度特征提取与残差学习的稻米品种分类新模型）的研究成果。该论文是由中外合作办学计算机科学与技术专业学生李旭东（Xudong Li）、王雨桐（Yutong Wang）与尼日利亚籍教师Happy Nkanta Monday博士、Grace Ugochi Nneji博士共同完成，Monday与Nneji博士为通讯作者。

本研究聚焦稻米品种分类这一农业关键问题。作为全球50%人口的主粮，稻米品种的准确分类对粮食安全和农业生产具有重要意义。然而，传统人工分类方法效率低下且易受主观因素影响，而现有深度学习模型在特征提取鲁棒性方面仍存在明显局限。针对这一挑战，研究团队基于75,000张稻米图像数据集，通过数据增强和集成学习技术，创新性地提出了一种融合残差学习与多尺度特征提取的集成模型。该模型结合定制化空间注意力机制，首次实现了稻米品种的高精度自动化分类，准确率高达99%，为农业信息学领域提供了创新性解决方案。实验通过Grad-CAM可视化技术验证了模型的决策可解释性，该成果不仅为农业智能化提供了关键技术支撑，更可广泛应用于粮食质量检测、精准农业等领域，对保障全球粮食安全具有重要应用价值。

*图 集成模型架构与Grad-CAM可视化结果（源自论文）*

论文由中外师生联合攻关，体现了学院“国际化科研协作”的培养模式，学生作为第一作者参与从数据采集、模型构建到论文撰写的全流程研究。作为学院首篇顶级期刊论文，该成果标志着中外合作办学在交叉学科研究领域取得重大突破。李珊院长表示：“这是国际化教学与科研深度融合的典范，展现了合作办学学生在国际前沿课题中的创新能力。”

文章信息：

Xudong Li, Yutong Wang, Happy Nkanta Monday, Grace Ugochi Nneji. A novel residual learning of multi-scale feature extraction model for the classification of rice grain varieties. Computers and Electronics in Agriculture 237, 110491 (2025).

原文链接：https://www.sciencedirect.com/science/article/pii/S0168169925005976?dgcid=coauthor

Computers and Electronics in Agriculture中科院分区：大类学科（农业工程）1区，小类学科（农业工程、计算机应用）均为1区。科睿唯安（WOS）分区：在“AGRICULTURAL ENGINEERING”类别中为Q1（前25%）。