摘要：早稻田大学生命科学暨医学生物学系梅津实验室与龙谷大学农学部塩尻实验室联合研究团队，在国际权威期刊《Measurement》（2025年5月刊第249卷）发表突破性研究成果，宣布开发出基于人工智能的“植物医生”（Plant Doctor）城市植被健康监测系统。该
早稻田大学生命科学暨医学生物学系梅津实验室与龙谷大学农学部塩尻实验室联合研究团队，在国际权威期刊《Measurement》（2025年5月刊第249卷）发表突破性研究成果，宣布开发出基于人工智能的“植物医生”（Plant Doctor）城市植被健康监测系统。该系统通过普通摄像头拍摄的视频影像，即可实现树木病虫害自动诊断，为智慧城市生态管理提供创新解决方案。
技术原理与创新突破
研究团队创新性整合三大机器视觉算法：
YOLOv8目标检测算法：准确定位视频中每片树叶的空间位置DeepSORT多目标追踪算法：持续跟踪特定叶片运动轨迹，筛选最佳观测帧DeepLabV3Plus图像分割算法：量化分析叶片损伤面积，精确识别细菌性斑点病、真菌感染及虫食痕等14类常见病害经东京市区实地测试，该系统对城市常见树种（包括樱花、银杏、榉树等）的病害识别准确率达89.7%，显著高于传统目视检查法（平均62.3%）。“我们首次实现了非接触式、大尺度的植物健康评估。”论文第一作者Marques博士表示，“通过市政车辆的日常巡检即可完成数据采集，大幅降低人力成本。”
应用场景与实施优势
市政管理：可利用垃圾清运车、洒水车等现有市政车辆搭载摄像头，建立动态监测网络生态保护：避免传统采样方式对植物的物理损伤，年均可减少93%的破坏性取样农业扩展：经参数调整后，系统可识别水稻稻瘟病、小麦锈病等37种农作物病害数据决策：结合地理信息系统（GIS），生成病害热力图辅助防治资源调配研究团队已在东京新宿区建立示范项目，通过12辆装配摄像头的环卫车辆，完成辖区86%行道树的数字化建档。监测数据显示，系统提前14天预警榆树炭疽病爆发，为及时喷洒生物防治剂赢得关键窗口期。
“这项研究标志着植物保护从经验判断向数据驱动的范式转变。”龙谷大学塩尻教授指出。相比传统高光谱成像技术，该系统硬件成本降低82%，且无需专业操作人员。目前研究团队正与日本环境省磋商技术标准制定事宜，计划2026年在三大都市圈开展规模化应用。
该成果已申请国际专利（PCT/JP2025/000478），并获得日本文部科学省“智慧生态城市”专项基金支持。随着全球城市化率突破68%（联合国2025年数据），此项技术为可持续城市发展提供了重要技术支撑。
来源：SENSORO升哲
