近日，信息科学与工程学院姜红花教授团队与生命科学学院周波教授团队，联合中国农业科学院植物保护研究所（植物病虫害生物学国家重点实验室）、中国植物病理学会植物病原线虫委员会主任委员彭焕团队，在《Engineering Applications of Artificial Intelligence》发表题为“An intelligent six-channel imaging system for high-throughput nematode phenotyping”的最新研究成果。信息科学与工程学院在读硕士生荆茹彬为论文第一作者，信息科学与工程学院姜红花教授和生命科学学院周波教授为共同通讯作者，山东农业大学为第一通讯单位。
图1.智能线虫存活检测的系统架构
线虫状态与种群动态的定量评估是药物筛选和环境监测的关键环节，对大规模线虫防控研究具有重要意义。然而，现有线虫评估流程缺乏集成化自动方案，多依赖人工显微镜观察，易受操作经验与主观判断影响，且在大规模采样分离条件下的检测通量与结果一致性不足，限制了系统的实用性与推广价值。
图2微观成像装置的结构
针对上述问题，团队提出了集硬件装置与人工智能算法于一体的六通道自动化检测系统。该系统以微孔板线虫样本的图像特征为输入，设计了基于硬件成像特性的Nem-EID识别算法，并结合椭圆预筛选与帧间交并比（IoU）分析实现线虫的精准检测，同时通过光机电协同设计策略构建了全自动微孔板扫描成像装置与多接口集成管理平台。此外，系统引入了帧间动态分析机制，实现对线虫存活状态与种群动态的联合评估。该研究将自动化工程设计与机器视觉深度融合，有效缓解了人工显微镜观察的效率瓶颈，为推动药物筛选与环境监测的高效化发展提供了新的技术路径与工程范式。
图3. 基于Nem-EID的系统数据可视化界面
该项研究获得了国家重点研发计划的资助。
论文链接：https://doi.org/10.1016/j.engappai.2026.116612
编 辑：万 千
审 核：贾 波
