近日，我院黄日辰老师以第一作者兼通讯作者在SCI收录期刊（中科院 2 区）发表两篇高水平学术论文，分别题为《DCMF: Deep Counterfactual Metric Framework for limited data plant disease recognition》和《GSPH: Granularity-guided Saturation Proxy Hashing with Self-adaptive Feature Importance for image retrieval》，进一步彰显了学院在人工智能与计算机视觉领域的科研实力。

第一篇论文发表于《Ecological Informatics》，针对有限数据条件下植物病害识别中的伪相关问题，提出了一种基于反事实推理的深度度量学习框架（DCMF），通过构建反事实世界有效消除健康特征与病害类别之间的伪相关性，显著提升了模型在少样本场景下的泛化能力。

第二篇论文发表于《Alexandria Engineering Journal》，聚焦图像检索任务，提出了粒度引导饱和代理哈希方法（GSPH），通过引入类别粒度感知的自适应优化饱和机制与特征重要性调节模块，有效提升了哈希编码的判别性与鲁棒性，在多个公开数据集上取得了优越性能。

论文来源：

[1]Huang, R., Li, L., Xu, L., Hasson, L., Peng, S., & Luo, J. (2026). DCMF: Deep Counterfactual Metric Framework for limited data plant disease recognition. Ecological Informatics, 93, 103609.
DOI: 10.1016/j.ecoinf.2025.103609

[2]Huang, R., Zhou, W., Li, L., Ye, J., Chen, X., & Peng, S. (2025). GSPH: Granularity-guided Saturation Proxy Hashing with Self-adaptive Feature Importance for image retrieval.Alexandria Engineering Journal, 122, 1–16.
DOI: 10.1016/j.aej.2025.12.047