研究方向

同一种症状可能出现在不同作物上，复杂背景与遮挡也让病害识别更具挑战。TaxoSeg 结合田间图像和作物—病害分类结构，在像素层面定位病斑，并识别病斑所属的作物与病害。

方法以结构化语义原型连接视觉区域和类别知识，利用作物上下文区分相似症状，并将类别名称与症状描述共同用于区域识别。

我们基于 Qwen3.5-0.8B 官方 Instruct 多模态基座，开展农业领域的量化低秩适配研究。通过农业图像与类别监督，探索轻量模型对作物及其健康状态的识别能力。

模型读取图像并输出一个中文类别名。这一清晰的输出形式，为后续按类别组织农业知识和检索相关文献提供入口。

视觉语言模型先从图像确定中文类别名，再以类别名和用户问题检索农业文献。回答依据检索到的证据组织，让类别判断与农业知识各有来源。

需要了解病斑范围时，调用 TaxoSeg 提供分割结果。类别识别、病斑位置和文献证据共同服务于农业问题的分析。目前，整体链路仍在集成与研究中。

植物蛋白质的翻译后修饰与蛋白功能密切相关。PlantPTM 结合蛋白质语言模型与多视图特征，从蛋白质序列中预测多种翻译后修饰位点，为植物蛋白功能研究提供计算工具。

相关论文发表于 Molecular Plant，配套开源代码与在线预测平台已公开，便于研究者使用和进一步研究。