Computers and Electronics in Agriculture·9月22日 · 周二论文农业人工智能与决策模型阅读 0
Leakage-aware, calibrated, and explainable deep learning for robust almond disease classification
Abebaw Degu Workneh · Badr Elkari · Meryam El Mouhtadi 等 4 人
Computers and Electronics in AgricultureDOI 10.1016/j.compag.2026.112464
论文解读
72接近精选线
速览
提出防泄漏、校准且可解释的深度学习框架，用于稳健的杏仁病害分类。
方法
采用防数据泄漏的深度学习训练、概率校准与可解释性分析。
发现
该框架能提升杏仁病害分类的稳健性、可信度与可解释性。
机会点
可探索防泄漏与校准机制在其他作物病害识别中的泛化及田间部署。
影响力12
信息增量20
专业深度17
信源权威14
时效性9
核心期刊论文，方法上有防泄漏、校准与可解释性创新，但作物小众、属细分技术进展，未达每日精选门槛。
原文摘要
面向稳健杏仁病害分类的泄漏感知、校准且可解释的深度学习。《农业计算机与电子》