關(guān)鍵詞生成式人工智能;普通植物病理學(xué);AI賦能教學(xué);生物實(shí)驗(yàn)

中圖分類號(hào) G642.0;S432.1 文獻(xiàn)標(biāo)識(shí)碼A 文章編號(hào) 1007-7731（2025）14-0129-05

DOI號(hào)10.16377/j.cnki.issn1007-7731.2025.14.030

Exploration of teaching reform in Innovative Experimental of General Plant Pathology course empoweredbyartificial intelligence

ZHAO Zhibo WANG YongDING HaixiaCHEN Xiangru WEI Shan （College of Agriculture， Guizhou University， Guiyang 55oo25， China）

AbstractTo explore the innovative application of generative artificial intellgence in experimental practice teaching，the InnovativeExperimentalof GeneralPlantPathologycoursewas takenasthepractical field，andthe specificpath of AI empowering the collaborative application of“teacher-machine-student”in experimental practice teaching was explored.Through case comparison analysisand system design （AI），a“four-dimensional” application model framework covering AI interactive teaching platform，knowledge engine，innovative designassistant，and personalized evaluation was constructed，and multiple AI empowered experimental teaching activitieswere implemented.The specific path includes building an AI based interactive teaching platform，use the DeepSeek R1 model，and after layerby layer debugging，developing a Python based software for measuring the severityof plant leaf diseases，with an accuracy rate of 97 % ; utilize the functions of AI knowledge engine and innovative design assistant， it have developed small toos covering specific application scenarios such as disease investigation sampling diagrams， genome sequenceextraction，kiwifruitdisease imagerecognition mini programs，etc.;utilizeAItoimprovethefedback and full processevaluation mechanism，conduct full process assssment on students’experimental completion， innovative work design additional scores，and provide targeted guidance.Practice has shown that theactivity level， academicperformance，and innovativeoutputof students inAIasisted teaching classes havesignificantlyincreased， andthe developed tools have been applied to scientific research practice.Itcan effectively improve theefectivenesof experimental practice teaching.Thisarticle providesreferences forAI empowered teaching reform inagricultural

scienceandotherexperimentaldisciplines.

Keywords generative artificial intelligence； General Plant Pathology;AI empowered teaching；biological experiments

人工智能（AI技術(shù)，尤其是生成式人工智能，不僅為數(shù)據(jù)驅(qū)動(dòng)的個(gè)性化、協(xié)作式學(xué)習(xí)提供了簡(jiǎn)便易用的工具，也推動(dòng)了高等教育“數(shù)字化\"教學(xué)方式的改革。王繁等研究認(rèn)為，人工智能背景下，高等教育在育人理念、辦學(xué)路徑、教學(xué)模式、學(xué)習(xí)范式和評(píng)價(jià)方式等方面要進(jìn)行深層次變革；郭蕾蕾2研究認(rèn)為，可以從教、學(xué)、育3個(gè)維度推動(dòng)AI教育變革，構(gòu)建個(gè)性化、多元化、動(dòng)態(tài)化的教學(xué)體系，打造沉浸式、自主化和可視化的學(xué)習(xí)形態(tài)；Ouyang等3提出3種AI教育范式，揭示了其在知識(shí)建模、支持協(xié)作以及賦能學(xué)習(xí)者自主性等方面的不同作用機(jī)制。這些理論研究為AI賦能高等教育教學(xué)提供了重要依據(jù)，但將AI應(yīng)用于理論教學(xué)、實(shí)驗(yàn)教學(xué)、實(shí)踐教學(xué)等具有不同特點(diǎn)的教學(xué)場(chǎng)景仍具有一定的挑戰(zhàn)性，需進(jìn)一步探索其具體實(shí)現(xiàn)方式。

目前，部分教學(xué)探索為AI賦能高等教育提供了有效的實(shí)踐路徑。劉邦奇等4梳理生成式AI在當(dāng)前各類學(xué)校已有的應(yīng)用實(shí)踐，提出其在真實(shí)教育場(chǎng)景下的五大實(shí)踐場(chǎng)域（教學(xué)、學(xué)習(xí)、評(píng)價(jià)、管理、研究）21個(gè)方面和56個(gè)場(chǎng)景。同時(shí)，智慧樹、學(xué)堂在線、超星等智慧教育平臺(tái)集成DeepSeek等生成式模型，針對(duì)具體學(xué)科或課程開發(fā)了功能全面的AI教學(xué)平臺(tái)，涵蓋知識(shí)圖譜、教師備課、自主學(xué)習(xí)、互動(dòng)教學(xué)、學(xué)情跟蹤和AI助手等功能。然而，這些探索多應(yīng)用于理論課程教學(xué)，對(duì)實(shí)驗(yàn)實(shí)踐類課程的應(yīng)用模式總結(jié)及案例剖析有待進(jìn)一步深入。

植物病理學(xué)作為一門既具有理論深度又依賴實(shí)驗(yàn)技能的學(xué)科，其教學(xué)內(nèi)容主要依托實(shí)驗(yàn)室實(shí)踐和經(jīng)典教材。新農(nóng)科背景下，該課程的實(shí)驗(yàn)實(shí)踐部分不僅涵蓋植物病理學(xué)技能教學(xué)，還要求突出對(duì)學(xué)生創(chuàng)新思維與科研能力的培養(yǎng)。常規(guī)教學(xué)模式受限于設(shè)備老化、信息化水平有限、創(chuàng)新能力培養(yǎng)不足、個(gè)性化評(píng)價(jià)指導(dǎo)不夠等，人才培養(yǎng)效果不佳。對(duì)此，相關(guān)學(xué)者進(jìn)行了教學(xué)改革與探索。例如，張立新等[5]從制定課程新體系、改革教學(xué)手段、完善成績(jī)考評(píng)方式以及建立實(shí)驗(yàn)教學(xué)質(zhì)量標(biāo)準(zhǔn)等方面，探索提升該實(shí)驗(yàn)課程教學(xué)質(zhì)量的路徑；張娜等從完善教學(xué)材料、強(qiáng)化基礎(chǔ)實(shí)驗(yàn)、增加設(shè)計(jì)性實(shí)驗(yàn)、強(qiáng)化實(shí)踐環(huán)節(jié)和改進(jìn)評(píng)定標(biāo)準(zhǔn)等方面加強(qiáng)該實(shí)驗(yàn)教學(xué)；尹良芬等探索開發(fā)植物病理學(xué)虛擬仿真系統(tǒng)，構(gòu)建了虛實(shí)結(jié)合的實(shí)驗(yàn)教學(xué)體系。然而，這些改革尚未充分整合數(shù)字化與AI技術(shù)，在實(shí)驗(yàn)實(shí)踐教學(xué)中融入生成式AI，利用AI突破實(shí)驗(yàn)資源限制、培養(yǎng)學(xué)生創(chuàng)新設(shè)計(jì)能力以及實(shí)現(xiàn)對(duì)實(shí)驗(yàn)教學(xué)的個(gè)性化指導(dǎo)，是該課程教師值得思考和探索的重要課題。

本文聚焦AI賦能實(shí)驗(yàn)實(shí)踐教學(xué)這一前沿課題，以普通植物病理學(xué)創(chuàng)新實(shí)驗(yàn)課程為具體實(shí)踐場(chǎng)域，采用案例對(duì)比分析方法，系統(tǒng)構(gòu)建AI賦能實(shí)驗(yàn)實(shí)踐教學(xué)的應(yīng)用模式框架，設(shè)計(jì)并實(shí)施一系列具體的AI賦能植物病理學(xué)教學(xué)的活動(dòng)與案例，開發(fā)了低門檻、高適應(yīng)性的AI實(shí)踐路徑。本文為AI技術(shù)在農(nóng)業(yè)實(shí)驗(yàn)實(shí)踐類課程中的有效應(yīng)用提供參考。

1AI賦能植物病理學(xué)教學(xué)的路徑

1.1打造基于AI的互動(dòng)教學(xué)平臺(tái)

為解決生物實(shí)驗(yàn)周期長(zhǎng)、操作風(fēng)險(xiǎn)高等問題，相關(guān)人員探索了基于虛擬仿真系統(tǒng)的實(shí)驗(yàn)設(shè)計(jì)。例如，虛擬仿真實(shí)驗(yàn)教學(xué)項(xiàng)目共享服務(wù)平臺(tái)（https：//www.ilab-x.com/）提供了4000余個(gè)虛擬仿真交互實(shí)驗(yàn)。這些系統(tǒng)交互性較好，但需針對(duì)每個(gè)實(shí)驗(yàn)進(jìn)行專門定制和長(zhǎng)期維護(hù)，易用性和拓展性有限。而AI在虛擬仿真教學(xué)（理論模擬或高風(fēng)險(xiǎn)場(chǎng)景）實(shí)驗(yàn)交互和實(shí)時(shí)反饋等方面的應(yīng)用，有助于該實(shí)驗(yàn)實(shí)踐教學(xué)效果的提升。秦磊等研究利用生成式AI構(gòu)建了實(shí)驗(yàn)教學(xué)中的酸堿中和滴定圖像模擬實(shí)驗(yàn)，以供學(xué)生反復(fù)嘗試不同的變量組合實(shí)驗(yàn)，突破了設(shè)備和時(shí)間限制。因此，在植物病理學(xué)實(shí)驗(yàn)實(shí)踐教學(xué)中也可借鑒類似方式。

植物病害調(diào)查是植物保護(hù)專業(yè)學(xué)生需掌握的一項(xiàng)基礎(chǔ)技能，一般采用發(fā)病率、嚴(yán)重度、病情指數(shù)等指標(biāo)對(duì)病害發(fā)生情況進(jìn)行定量分析。對(duì)病害嚴(yán)重度的準(zhǔn)確計(jì)量一直是相關(guān)研究的熱點(diǎn)，其中計(jì)算機(jī)視覺和深度學(xué)習(xí)在各類病害分級(jí)中逐漸被廣泛應(yīng)用。然而，植物病理學(xué)實(shí)驗(yàn)課程教學(xué)中仍采用病斑大小手工測(cè)量或“嚴(yán)重度標(biāo)準(zhǔn)圖\"方法，僅有少數(shù)學(xué)者基于ImageJ軟件開展了圖像處理技術(shù)的實(shí)驗(yàn)教學(xué)[]。在普通植物病理學(xué)創(chuàng)新實(shí)驗(yàn)教學(xué)中，將100張病害照片發(fā)送給學(xué)生，將學(xué)生分成2個(gè)小組，分組統(tǒng)計(jì)每張葉片的嚴(yán)重度并計(jì)算病情指數(shù)。A組采用常規(guī)病斑面積測(cè)量法，并建立不同嚴(yán)重度的標(biāo)準(zhǔn)圖，目測(cè)分級(jí)，耗時(shí)約 ^2h ，準(zhǔn)確率 82% ;B組學(xué)生使用DeepSeekR1大模型，經(jīng)過層層調(diào)試，開發(fā)了基于Python的植物葉片病害嚴(yán)重度計(jì)量軟件，耗時(shí)約1h，準(zhǔn)確率達(dá) 97% ，且在對(duì)新的100張病害照片進(jìn)行分析時(shí)，僅需 5min 。該工具不僅支持單葉片分析，還可批量處理，參數(shù)調(diào)整也可動(dòng)態(tài)改變病健區(qū)域的對(duì)比效果（圖1）。基于AI大模型的實(shí)驗(yàn)方法不僅實(shí)現(xiàn)了葉片病斑面積的準(zhǔn)確測(cè)量，而且讓學(xué)生更深刻地理解了病害計(jì)量原理。

1.2發(fā)揮AI知識(shí)引擎和創(chuàng)新設(shè)計(jì)助手功能

為培養(yǎng)學(xué)生創(chuàng)新能力，常規(guī)實(shí)驗(yàn)實(shí)踐通過學(xué)科交叉、現(xiàn)代信息技術(shù)融合或集成學(xué)科競(jìng)賽開展教學(xué)[1]。謝武桃等[2研究發(fā)現(xiàn)，AI技術(shù)聯(lián)合案例導(dǎo)入式教學(xué)法有助于明顯提升學(xué)生的技術(shù)運(yùn)用能力和實(shí)踐操作能力。在科研工作中，AI也廣泛應(yīng)用于植物病蟲害的快速識(shí)別與診斷[13]，但將其應(yīng)用于植物病理學(xué)實(shí)驗(yàn)實(shí)踐教學(xué)的案例有待補(bǔ)充。此外，王金輝等[4嘗試將R語言引入植物病理學(xué)實(shí)驗(yàn)教學(xué)，但如何讓學(xué)生真正理解并熟練應(yīng)用編程語言是一大挑戰(zhàn)。在教學(xué)中，AI為代碼理解與編寫、機(jī)器學(xué)習(xí)理解與實(shí)踐提供了強(qiáng)大支持[15]。因此，AI有望為非計(jì)算機(jī)專業(yè)學(xué)生提升數(shù)字化素養(yǎng)和創(chuàng)新設(shè)計(jì)提供重要支撐，但需進(jìn)一步探索切實(shí)可行的實(shí)現(xiàn)路徑。

一方面，AI可作為知識(shí)引擎，提升學(xué)生知識(shí)檢索、鑒別與整合能力。植物病理學(xué)涵蓋豐富的理論知識(shí)和不斷發(fā)展的實(shí)驗(yàn)新技術(shù)，深人挖掘理論內(nèi)涵、準(zhǔn)確跟蹤前沿進(jìn)展是一項(xiàng)具有高挑戰(zhàn)性的工作。常規(guī)教學(xué)方式主要依賴文獻(xiàn)資料調(diào)研，效率較低，難以滿足學(xué)生快速獲取前沿知識(shí)的需求。基于學(xué)術(shù)資源庫的AI平臺(tái)提供了強(qiáng)大的“自然語言交互檢索”特性和知識(shí)整合能力。例如，利用 AI+ PubMed返回結(jié)構(gòu)性答案，并標(biāo)注參考文獻(xiàn)；Under-mind研究助手提供引導(dǎo)式提問詞幫助準(zhǔn)確檢索相關(guān)知識(shí)。在植物病理學(xué)實(shí)驗(yàn)中，借助DeepSeek對(duì)給定的10個(gè)植物病理學(xué)問題和實(shí)驗(yàn)原理進(jìn)行回答；將學(xué)生分成6組，其中3組僅參考AI作答（對(duì)照組），另外3組為 AI+ 師生討論，將6組答案分別提交至ChatGPT進(jìn)行打分。結(jié)果顯示， AI+ 師生討論組得分（平均9.2分）高于對(duì)照組（平均7.6分）。這表明，在應(yīng)用AI開展實(shí)驗(yàn)教學(xué)的具體實(shí)踐中，須充分發(fā)揮“師一機(jī)一生\"的協(xié)同作用，批判性地應(yīng)用AI輸出的信息。

另一方面，AI可作為科學(xué)數(shù)據(jù)處理和創(chuàng)新實(shí)驗(yàn)設(shè)計(jì)的助手。實(shí)驗(yàn)數(shù)據(jù)的處理和繪圖通常依靠專業(yè)軟件或計(jì)算機(jī)編程語言進(jìn)行，其成本較高，且需具備較強(qiáng)的專業(yè)知識(shí)，在植物病理學(xué)實(shí)驗(yàn)教學(xué)中較難順利實(shí)施。通過AI技術(shù)平臺(tái)，可幫助學(xué)生設(shè)計(jì)科學(xué)實(shí)驗(yàn)步驟、快速處理海量數(shù)據(jù)以及開發(fā)生物信息學(xué)分析工具。在AI輔助植物病理學(xué)實(shí)驗(yàn)中，學(xué)生針對(duì)具體需求開發(fā)了8個(gè)小工具，涵蓋病害調(diào)查抽樣圖示、基因組序列提取、轉(zhuǎn)座子插入位點(diǎn)鑒定、系統(tǒng)發(fā)育樹構(gòu)建、弼猴桃病害圖像識(shí)別小程序等具體應(yīng)用場(chǎng)景。例如，植物病原菌PCR檢測(cè)是一種重要的實(shí)驗(yàn)方法，學(xué)生在設(shè)計(jì)特異性引物時(shí)，需從基因組中提取特定區(qū)間的序列和注釋;配合DeepSeekR1，一組學(xué)生花費(fèi) 30min 開發(fā)了切割基因組gbff文件的可視化軟件GenBankSlicerGUI，實(shí)現(xiàn)了對(duì)多序列注釋文件的任意切割（圖2）。實(shí)踐教學(xué)中，教師需引導(dǎo)學(xué)生正確認(rèn)識(shí)AI的工具性特點(diǎn)，通過AI解決實(shí)際問題，提升分析能力，但需避免過度依賴，且尊重他人著作權(quán)[1]。

1.3利用AI完善跟蹤反饋與全過程評(píng)估機(jī)制

對(duì)學(xué)生的實(shí)驗(yàn)成果進(jìn)行及時(shí)有效的評(píng)估反饋是提升實(shí)踐教學(xué)質(zhì)量的重要手段，常規(guī)教學(xué)依賴指導(dǎo)教師的精力與時(shí)間，效率不高。利用AI技術(shù)提供的智能化實(shí)驗(yàn)指導(dǎo)與個(gè)性化反饋功能，有助于強(qiáng)化教學(xué)過程中“師一機(jī)一生\"協(xié)同進(jìn)步。教師可利用AI系統(tǒng)及時(shí)對(duì)學(xué)生的作品與報(bào)告進(jìn)行評(píng)估，極大提升了反饋效率；學(xué)生也可利用生成式AI對(duì)個(gè)人作品進(jìn)行批判性評(píng)估和改進(jìn)。如圖3所示，AI可根據(jù)學(xué)生表現(xiàn)和互動(dòng)提供定制化反饋，以識(shí)別優(yōu)勢(shì)和改進(jìn)領(lǐng)域，自動(dòng)推送具有針對(duì)性的視頻教程和模擬練習(xí)題?；谥腔蹣銩I平臺(tái)，對(duì)學(xué)生學(xué)習(xí)進(jìn)度、實(shí)驗(yàn)操作、實(shí)驗(yàn)完成度、創(chuàng)新作品設(shè)計(jì)等進(jìn)行全過程考核，并根據(jù)過程記錄與AI反饋結(jié)果提供針對(duì)性輔導(dǎo)。

2AI賦能普通植物病理學(xué)創(chuàng)新實(shí)驗(yàn)課程教學(xué)改革成效

AI輔助教學(xué)明顯提升了該實(shí)驗(yàn)課程的實(shí)踐教學(xué)效果。2024年春，在植物保護(hù)專業(yè)3個(gè)班級(jí)開展教學(xué)改革探索，其中2個(gè)班級(jí)開展AI輔助教學(xué)，另外1個(gè)班級(jí)采用常規(guī)教學(xué)模式。結(jié)果表明，AI輔助教學(xué)的班級(jí)學(xué)生學(xué)習(xí)活躍度明顯增加，與教師的互動(dòng)頻率提升了2＼～3倍；其實(shí)踐報(bào)告更加豐富多樣，對(duì)問題的分析更具針對(duì)性；創(chuàng)新設(shè)計(jì)思路開闊，依據(jù)更為充分。AI輔助教學(xué)班級(jí)期末考核平均成績(jī)分別為83.5和79.0分，而常規(guī)教學(xué)模式下班級(jí)學(xué)生的平均成績(jī)?yōu)?3.5分。學(xué)生評(píng)教結(jié)果顯示，AI教學(xué)班學(xué)生的課程滿意度分別為 98.88% 和 98.75% ，而常規(guī)模式教學(xué)班級(jí)的為 97.42% 。

AI教學(xué)明顯提升了學(xué)生對(duì)植物病理學(xué)的科研興趣，學(xué)生創(chuàng)新成果產(chǎn)出增加。2024年，兩個(gè)AI教學(xué)班級(jí)學(xué)生主持的大學(xué)生創(chuàng)新創(chuàng)業(yè)項(xiàng)目6～7項(xiàng)，而常規(guī)教學(xué)班僅2項(xiàng)；AI教學(xué)班參與創(chuàng)新創(chuàng)業(yè)類比賽的學(xué)生均超過 90% ，而常規(guī)教學(xué)班僅 74% 。2024年度，兩個(gè)AI教學(xué)班學(xué)生開發(fā)的8個(gè)小工具，已被本學(xué)科碩士研究生使用，極大提高了科研效率。此外，得益于課程中的AI應(yīng)用經(jīng)驗(yàn)，多名學(xué)生參與了植物病害相關(guān)科研工作，針對(duì)具體生產(chǎn)問題取得了重要進(jìn)展。例如，通過AI輔助知識(shí)檢索，學(xué)生以弼猴桃病蟲害為對(duì)象，參與開發(fā)了“弼猴桃衛(wèi)士\"小程序，可拍照識(shí)別弼猴桃典型病蟲害；針對(duì)弼猴桃采后軟腐病發(fā)生率高、危害重的生產(chǎn)問題，借助實(shí)驗(yàn)室高光譜儀器對(duì)新采摘果實(shí)進(jìn)行光譜掃描，在AI輔助下建立了針對(duì)弼猴桃健康果實(shí)與軟腐病果實(shí)的分類模型，準(zhǔn)確率達(dá) 94.3% ，為采后果實(shí)無損分選提供了技術(shù)支撐。相關(guān)成果獲全國生命科學(xué)競(jìng)賽國賽三等獎(jiǎng)，發(fā)表學(xué)術(shù)論文1篇[7]。

3結(jié)語

隨著人工智能技術(shù)的迅速發(fā)展，將其有機(jī)融入植物病理學(xué)創(chuàng)新實(shí)驗(yàn)實(shí)踐教學(xué)，有助于為高等教育提供一條全新的質(zhì)量提升路徑。生成式AI在實(shí)驗(yàn)實(shí)踐類教學(xué)中可應(yīng)用于互動(dòng)教學(xué)、知識(shí)引擎、創(chuàng)新設(shè)計(jì)助手和協(xié)作導(dǎo)師等方面，不同課程根據(jù)具體特點(diǎn)可在其中一個(gè)或多個(gè)方面深耕發(fā)力，在此過程中，需發(fā)揮學(xué)生中心地位、教師指導(dǎo)作用和AI工具輔助功能。此外，提升教師數(shù)字素養(yǎng)是開展AI輔助教學(xué)的基本條件，在AI賦能模式下，教師在課程設(shè)計(jì)和實(shí)施過程中有意識(shí)地使用AI工具，將自身角色轉(zhuǎn)變?yōu)閷W(xué)習(xí)促進(jìn)者和數(shù)據(jù)解讀者，注重激發(fā)學(xué)生的自主性與創(chuàng)新性，在解決實(shí)驗(yàn)實(shí)踐問題中形成典型的應(yīng)用案例。實(shí)踐中，普通植物病理學(xué)創(chuàng)新實(shí)驗(yàn)教學(xué)取得明顯進(jìn)展，學(xué)生的學(xué)習(xí)成績(jī)、參與度及創(chuàng)新能力均明顯提升。本文為相關(guān)實(shí)驗(yàn)實(shí)踐教學(xué)改革提供參考，為在其他實(shí)驗(yàn)性學(xué)科中推廣AI賦能教學(xué)提供經(jīng)驗(yàn)支持。

參考文獻(xiàn)

[1]王繁，劉永強(qiáng)，周天華.人工智能引領(lǐng)高等教育數(shù)字化創(chuàng)新發(fā)展[J].中國高等教育，2024（增刊1）：9-12.

[2]郭蕾蕾.生成式人工智能驅(qū)動(dòng)教育變革：機(jī)制、風(fēng)險(xiǎn)及應(yīng)對(duì)：以DeepSeek為例[J].重慶高教研究，2025，13（3）：38-47.

[3]OUYANG F，JIAO P C.Artificial intelligenceineducation：the threeparadigms[J]. Computersandeducation：artificial intelligence，2021，2：100020.

[4]劉邦奇，聶小林，王亞飛，等.生成式AI賦能教育：技術(shù)框架、應(yīng)用場(chǎng)域及價(jià)值：2024智能教育發(fā)展研究報(bào)告[J].中國電化教育，2025（3）：61-70.

[5]張立新，檀根甲，汪章勛，等.植物病理學(xué)實(shí)驗(yàn)教學(xué)改革與質(zhì)量標(biāo)準(zhǔn)的探索實(shí)踐[J].內(nèi)蒙古農(nóng)業(yè)大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2017，19（2）：47-51.

[6]張娜，楊文香，閆紅飛，等.新農(nóng)科背景下植物病理學(xué)實(shí)驗(yàn)實(shí)踐教學(xué)改革[J].智慧農(nóng)業(yè)導(dǎo)刊，2023，3（19）：143-146.

[7]尹良芬，羅朝喜.農(nóng)業(yè)高校植物病理虛擬仿真實(shí)踐教學(xué)改革探究[J].智慧農(nóng)業(yè)導(dǎo)刊，2024，4（9）：151-154.

[8]秦磊，郭凱.生成式人工智能在酸堿中和滴定圖像模擬中的應(yīng)用[J/0L].大學(xué)化學(xué)，2025：1-8.（2025-01-27）[2025-07-30]. http：//kns.cnki. net/kcms/detail/11.1815.06.20250126.1703.012.html.

[9]蔣倩，王紅麗，王海光.基于圖像處理技術(shù)的小麥條銹病嚴(yán)重度自動(dòng)分級(jí)系統(tǒng)構(gòu)建[J].植物病理學(xué)報(bào)，2024，54（2）：385-397.

[10]王海光.普通植物病理學(xué)實(shí)驗(yàn)：農(nóng)學(xué)專業(yè)用書[M].北京：中國農(nóng)業(yè)大學(xué)出版社，2024.

[11]高巖，林穎，蘇淑文，等.實(shí)踐創(chuàng)新能力導(dǎo)向下的人工智能類實(shí)踐課程教學(xué)體系探索[J].計(jì)算機(jī)教育，2025（3）：240-246.

[12]謝武桃，金盛輝，畢朝虎，等.AI背景下影像學(xué)專業(yè)實(shí)習(xí)教學(xué)模式的探討[J].醫(yī)學(xué)理論與實(shí)踐，2023，36（8）：1426-1429.

[13]張建華，陳申寬，張曉振，等.人工智能技術(shù)在植物葉片病蟲害識(shí)別中的研究進(jìn)展[J].種子科技，2023，41（16）：124-126.

[14]王金輝，趙冬梅，王逍冬.R語言在植物病理學(xué)專業(yè)教學(xué)中的應(yīng)用[J].安徽農(nóng)學(xué)通報(bào)，2024，30（1）：123-126.

[15]饒泓，吳佳躍，樊莉莉，等.基于AIStudio平臺(tái)的機(jī)器學(xué)習(xí)課程實(shí)踐教學(xué)[J].計(jì)算機(jī)教育，2021（6）：115-119.

[16]郭壬癸，謝佳眉.論DeepSeek類人工智能模型訓(xùn)練的著作權(quán)侵權(quán)責(zé)任認(rèn)定[J/OL].電子科技大學(xué)學(xué)報(bào)（社科版），2025：1-8.（2025-03-20）[2025-07-20]. https：//link.cnki.net/doi/10.14071/j.1008-8105（2025）-5009.

[17]翟依晨，張林，祝佳佳，等.獼猴桃軟腐病無損高光譜診斷技術(shù)研究[J].山地農(nóng)業(yè)生物學(xué)報(bào)，2025，44（2）：78-86.（喜任纻輯 場(chǎng)歡）