ArXiv 2609.10469 AgroVisNet:轻量化卷积网络及萝卜-马铃薯-葫芦病害诊断基准
提出轻量卷积网络AgroVisNet及萝卜、马铃薯、葫芦病害诊断基准BD-PlantDX。
← 主题
农业人工智能 植物病害识别
同时包含 农业人工智能、植物病害识别 的农业资讯，共 5 条。
Hybrid explainable DeiT-based framework for plant disease classification and severity estimation
提出基于DeiT的混合可解释框架，实现植物病害分类与严重度估计。
MRC-Net: a reliable plant disease classification framework with multi-frequency state-space enhancement and conformal prediction
提出可靠植物病害分类框架，结合多频状态空间增强与保形预测，提升复杂场景识别精度与可靠性。
From Laboratory to Field: Frozen Foundation-Model Features Toward Robust Plant Disease Recognition
From Laboratory to Field: Frozen Foundation-Model Features Toward Robust Plant Disease Recognition。Smart Agricultural Technology
AdapterMoE: A Two-Stage Hard-Routing Mixture-of-Experts Architecture for Multi-Crop Disease Recognition with Calibrated Rejection and Incremental Learning
【预印本,未经同行评审】针对多作物病害识别任务,提出基于确定性硬路由的两阶段 AdapterMoE 架构:RouterHead 依据最大 softmax 概率阈值分类作物并拒判非目标作物,Energy+KNN 双重门控模块捕获分布外输入;在冻结 EfficientNet-B0 主干上添加五个逐作物 Adapter,通过温度缩放校准。在 PlantVillage(5 作物 26 类)上,AdapterMoE 与最优基线 Macro-F1 差距在 0.24 分以内,但训练成本约为全网络基线的 9%,并可通过 add_crop 接口实现逐作物增量更新,避免专家坍缩,适合田间部署成本敏感的精准植保场景。