9月19日上午，马来西亚博特拉大学农皇冠信用盘
Norida Mazlan副教授应邀于三综B308为皇冠信用盘
师生带来全英文专题学术报告。皇冠信用盘
部分教师、研究生、本科生以及马来西亚访学学生代表团到场参与本次交流活动。
该报告题为Bridging Plant Protection to AI Forecasting，从全球气候变化大背景切入，围绕病虫害发生的生物学机理、田间病虫害监测的数据构建、病虫害预测模型与农业决策应用农业决策支持系统实践应用三大模块展开。
Norida Mazlan首先结合全球气候变暖背景，解读气候对虫害病害的放大效应。昆虫作为变温动物，生长发育、取食危害完全受田间微气候调控。受气候变暖影响，害虫世代繁殖速度加快，分布区域发生改变，削弱天敌的控害效果也随之变弱。多重因素叠加之下，全球气温每升高1℃，昆虫取食造成的作物产量损失会增加10%‑25%。
随后，Norida Mazlan介绍了东南亚水稻种植区病虫害标准化监测体系，讲解了田间样方调查、性诱捕器、扫网、田间微气候传感器等监测手段，强调高质量的田间观测数据，是训练AI预测模型的重要基础。
报告重点对比多元线性回归（MLR）与人工神经网络（ANN）的预测效果。传统线性回归适合简单线性关系，面对病虫害复杂的生物系统效果有限；人工神经网络擅长解析多重环境因子之间复杂的非线性关系。同时，她以马来西亚水稻两大重要病害——水稻三化螟、水稻细菌性穗枯病作为案例，展示团队模型构建试验结果。
Norida Mazlan进一步介绍科研成果向生产落地的实现路径。研究团队将神经网络预测结果结合GIS地理信息技术、卫星遥感与无人机数据，生成区域病虫害风险热点图，构建完整农业决策支持系统DSS。该系统依托田间传感器采集环境数据，借助AI开展风险预判，向农户推送防控预警。这套模式可以减少农药盲目施用，提升小农户应对气候波动的生产韧性。
报告过程中穿插随堂知识小测，Norida Mazlan结合报告知识点与现场同学互动。交流答疑环节，植保2403班贾若凡提出疑问：“当前AI模型大多仅能识别昆虫种类，难以区分昆虫个体，这会对病虫害种群数量预测带来影响吗？”Norida Mazlan表示，个体识别难度高，模型多通过目标检测估算虫口数量，容易出现重复计数，研究中可搭配田间采样方案校正偏差，优化预测结果。
本次学术报告是两校智慧农业暑期学校的重要交流环节，帮助师生了解东南亚智慧植保研究现状，拓展了智慧植保、农业人工智能交叉领域的学术视野。
摄影：焦俊楠、刘太硕
