Explainable Deep Learning-Based Potato Leaf Disease Detection and Severity Assessment for Smart Agriculture in Bangladesh

Kazi Abdul Mannan · Sinha Nafiz Hasan · Ahmed Shafin

AI 评分

53未达精选线

影响力8

信息增量15

专业深度15

信源权威8

时效性7

针对孟加拉国马铃薯病害的可解释深度学习检测研究，方法新颖但地域性强，影响有限。

摘要

Explainable Deep Learning-Based Potato Leaf Disease Detection and Severity Assessment for Smart Agriculture in Bangladesh。Research Square

农业人工智能作物病害智慧农业马铃薯相关资讯

Tarım Bilimleri Dergisi·10月12日 · 周一65 分论文薯类与杂粮智慧农业 / 农业物联网阅读 0

融合三种CNN深度特征与集成学习，实现田间马铃薯叶片七类病害分类。

Frontiers in Environmental Science·9月30日 · 周三69 分论文薯类与杂粮农业人工智能与决策模型阅读 4

用无人机RGB影像与机器学习估算水分氮胁迫下高粱生物量和产量。

Zenodo (CERN European Organization for Nuclear Research)·9月30日 · 周三75 分论文薯类与杂粮农业人工智能与决策模型2 个信源同时报道阅读 3

开发轻量级边缘AI模型，在资源受限移动设备上实时检测高粱病害。

International Journal of Emerging Technologies and Innovative Research·9月30日 · 周三56 分论文薯类与杂粮农业人工智能与决策模型4 个信源同时报道阅读 3

融合计算机视觉与机器学习，实现高粱病害严重度评估与产量预测。

Discover Artificial Intelligence·9月22日 · 周二75 分论文薯类与杂粮智慧农业 / 农业物联网阅读 1

提出融合深度学习、可解释AI与生成式AI的指状粟病害检测框架，实现高精度识别与决策支持。

Zenodo (CERN European Organization for Nuclear Research)·10月21日 · 周三75 分论文农业AI与大模型农业人工智能与决策模型阅读 0

提出气候校准的分布鲁棒评估准则，替代i.i.d.假设评价作物病害视觉分类器。