PLOS ONE(2026-10-15)·10月15日 · 周四论文农业人工智能与决策模型阅读 2
MambaSeed:基于Mamba的轻量级混合视觉网络用于番茄叶病识别(PLOS ONE)
论文解读
79精选
速览
提出轻量级混合视觉网络MambaSeed，实现番茄等作物叶病高效识别。
方法
基于MambaVisionMixer与局部连续分支注入机制，在三种作物病害数据集
发现
番茄、玉米、马铃薯识别准确率达98.97%、98.06%、95.87%，仅1.13M参数、3.39m
机会点
可探索该轻量模型在移动端与边缘设备的田间部署，及多作物跨域泛化与病害早期识别。
影响力18
信息增量22
专业深度18
信源权威13
时效性8
方法新颖、指标扎实的轻量级病害识别论文，对资源受限农田场景有实用价值，值得进入每日精选。
原文摘要
PLOS ONE于2026-10-15发表论文MambaSeed,由Wang X, Zhang H, Chen Y, Li Y, Qin Y, Lv Z等团队提出基于MambaVisionMixer的轻量级混合视觉网络,配套局部连续分支注入(LCBI)机制;在番茄、玉米、马铃薯数据集上识别准确率分别达98.97%、98.06%和95.87%,模型仅1.13M参数、0.240G MACs,在RTX 4090上延迟3.39ms/图像,为资源受限农田环境提供紧凑、高效、鲁棒的病害识别方案。
信源（1 个）