arXiv 预印本 2026-10-16·10月16日 · 周五论文农业人工智能与决策模型阅读 0
A100：面向农业植物图像分析的混合视觉基础模型
论文解读
77精选
速览
构建混合视觉基础模型A100，用百万级田间图像自监督预训练实现少标注作物图像分析。
方法
300万张田间图像自监督预训练，CNN与Transformer混合骨干融合局部与
发现
仅用1%标注数据作物分类准确率达98.01%，困难数据集上优于全部基线。
机会点
可探索该基础模型向病虫害检测、表型测量等下游任务的少样本迁移与轻量化部署。
影响力22
信息增量23
专业深度18
信源权威8
时效性6
大规模田间图像自监督预训练，少样本分类表现突出，方法新颖且数据规模可观，但属未经同行评审的预印本，权威性有限。
原文摘要
研究者在覆盖100余种作物、300万张无标注田间图像上自监督预训练A100，采用CNN与Transformer混合骨干融合局部与全局特征。仅用1%标注数据（约每类284张）作物分类准确率达98.01%，在困难数据集PlantDoc上优于全部基线，并在1%标注条件下比公开农业基础模型高14个百分点以上。预印本，未经同行评审。
信源（1 个）