农学院曾昭海课题组在燕麦智慧生产领域取得重要进展

2025年4月18日，我院曾昭海课题组在国际权威期刊《ISPRS Journal of Photogrammetry and Remote Sensing》（IF 5y=11.8）在线发表题为《基于无人机多源数据的TKSF-KAN模型在燕麦产量建模及中国燕麦主产区的可迁移性研究》（TKSF-KAN: Transformer-enhanced oat yield modeling and transferability across major oat-producing regions in China using UAV multisource data）的研究成果。该研究是国内燕麦智慧生产领域的重大突破，通过开发基于融合燕麦关键生育期信息的深度学习模型TKSF-KAN，实现无人机多源数据对燕麦产量的高精度预测，并验证了该模型在不同燕麦主产区具有可迁移性和适应性，为燕麦智能育种与智慧种植提供了重要的理论与技术支撑。

本研究依托团队在河北张北燕麦科技小院、张北战海乡村振兴驿站试验示范基地以及内蒙古乌兰察布燕麦定位试验，采集了涵盖1153个产量观测数据，利用无人机在燕麦关键生育阶段获取多光谱、RGB及热成像数据。构建了先进的TKSF-KAN深度学习框架，结合Transformer与Kolmogorov-Arnold Network（KAN）方法，高效整合燕麦关键生育期的多模态数据（植被指数、颜色指数、纹理特征、结构指数、热红外信息特征等）。结果表明，TKSF-KAN在多模态数据下的预测精度（R²=0.76–0.81）显著优于单模态场景（R²=0.53–0.68）。通过自适应批归一化（AdaBN）与微调技术优化跨区域泛化能力，模型在张北战海试验点估算精度达R²=0.83，内蒙古乌兰察布试验点的精度最高达到R²=0.78，研究提出了一种将田间试验、无人机遥感及迁移学习技术深度融合的创新框架，为燕麦产量精准估算和智慧管理提供了更高效、可迁移的解决方案。

图1 研究区地理位置和田间实验布局图

图2深度学习模型架构及产量预测模型可迁移性验证

图3 基于TKSF-KAN模型的不同田间试验处理燕麦产量预测分布图

曾昭海教授课题组近年来一直开展燕麦智慧生产领域的研究工作，先后在《European Journal of Agronomy》和《Remote Sensing》发表了燕麦智慧监测与管理的系列研究成果。这些研究通过整合无人机影像与人工智能算法，形成了从生长动态监测到产量精准预测的燕麦智慧生产技术体系，为燕麦智慧种植提供了重要的科学依据。

中国农业大学曾昭海教授为论文通讯作者，张家口农业科学院葛军勇研究员为共同通讯作者，在读博士研究生张鹏鹏作为第一作者，我院臧华栋教授、杨亚东副教授、加拿大西蒙菲莎大学Bing Lu助理教授、加拿大农业与食品部Jiali Shang研究员等参与了研究。本研究获得内蒙古科技重大专项（2021ZD0002）和国家燕麦荞麦产业技术体系（CARS-07-B-5、CARS-07-A-6）资助。

论文链接如下：

https://www.sciencedirect.com/science/article/pii/S0924271625001406