人工智能是当前最受关注的技术领域之一，在农业领域有着广泛的应用前景。近年来，院蚕业所现代农业装备中心持续开展人工智能在蚕桑领域的应用研究，取得一系列原创性成果。
1月22日，该团队联合西南大学在《Computers and Electronics in Agriculture》（中国科学院1区Top，IF=8.9）上发表题为“FeYOLO: Improved YOLOv7-tiny model using feature enhancement modules for the detection of individual silkworms in high-density and compact conditions”的研究论文。该研究针对家蚕个体检测面临的密集与小目标环境，导致现有主流方法无法兼顾精度与效率的问题，基于目标检测计数，设计出一种柔性特征汇聚机制及通道校正方法，并利用空间特征增强模型来丰富语义，提出了一种家蚕个体检测模型，在家蚕数据集上的检测效果优于基准模型和相关模型，并实现精度与效率的平衡，研究可为家蚕行为机理解析和异常行为早期诊断提供方法基础。
1月29日，该团队在《Journal of Asia-Pacific Entomology》（中国科学院4区，IF=1.3）上发表题为“A deep learning-based method for silkworm egg counting”的研究论文。该研究针对家蚕育种与制种过程中，人工统计蚕卵数量存在效率低、工作密集和易出错等问题，在实际环境下采集和标注蚕卵数据，利用目标检测模型开展蚕卵检测试验，优化提出了基于深度学习的蚕卵计数模型，试验表明该模型的计数准确率≥99.5%，并达到实时推理能力。
7月8日，该团队联合英国阿伯丁大学高俊峰教授在《Animals》（中国科学院2区，IF=2.7）上发表题为“WormNet: A Multi-View Network for Silkworm Re-Identification”的研究论文。该研究首次将身份重识别技术应用到家蚕个体识别，针对家蚕识别面临的姿态不规则、个体相似度极高和背景干扰等挑战，提出一种基于“特征提取-空间净化-特征提取-通道交互”机制的多视角网络，试验表明该网络在家蚕数据集上的性能优于基准网络和行人重识别方法。研究可为家蚕行为识别和健康状态检测提供模型基础。
石洪康博士为上述论文第一作者，院蚕业所为通讯单位，研究成果得到了院自主创新、院“5+1”前沿技术攻关、院条件平台建设、国家蚕桑产业技术体系、国家自然基金和四川省自然基金等项目的支持。
（院蚕业所 石洪康、邹邦兴撰稿；张浩仁校对；张友洪审核）
文章链接：https://doi.org/10.3390/ani15142011
文章链接：https://doi.org/10.1016/j.aspen.2025.102375
文章链接：https://doi.org/10.1016/j.compag.2025.109966