病蟲害預測預報的不及時與低準確率，是導致病蟲害防控延誤的關鍵難題。近日，湖南煙草病蟲害智能監測預警團隊巧妙融合氣象數據與深度學習技術，首創病害預測DCNN-LSTM集成深度學習模型，成功實現對煙草病害的多尺度精準預測，預測準確率高達94％，這一突破性成果引領了煙草病蟲害監測預警體系的新變革。相關成果在國際頂尖農業人工智能期刊《Computers and Electronics in Agriculture》（影響因子：7.7，中科院一區TOP期刊）上發表。

該高精度智能預警模型，不僅彰顯了我國在農業人工智能領域的科研實力，更標志著煙草病蟲害預測預報實現了從傳統“經驗驅動”到前沿“數據驅動”的跨越式升級。該模型不僅具備強大的智能分析能力，還充分兼顧了實用性與便捷性。其采用了輕量化設計，文件大小控制在5.57 MB以內，運行高效且所需資源少，僅依靠氣象數據就能穩定且高效地運作。同時，該模型可與田間智能氣象站實現無縫對接，實時監測并迅速發出病害預警，目前已成功部署到“湖南煙草病蟲害智能監測預警平臺”，為煙草種植戶提供了及時、精準的防控指導。

面向未來發展，團隊制定了進一步的研究規劃：通過整合衛星遙感數據、病蟲害監測數據等多源信息，將該模型的應用范圍從煙草拓展至水稻、小麥等重要糧食作物。通過構建糧煙融合的“空-天-地”病蟲害立體監測網絡，有望為糧煙融合高質量發展注入科技動力。

該研究由湖南省煙草科學研究所伍紹龍博士和湖南農業大學唐前君教授任論文通訊作者，湖南農業大學陳淵副教授、李長城研究生為論文共同第一作者。該研究得到了中國煙草總公司科技項目、中國煙草總公司湖南省公司科技項目、湖南農業大學交叉學科青年引導項目、湖南省農業科技創新基金項目的資助。（https://doi.org/10.1016/j.compag.2025.110429）