A Hybrid Deep Learning Architecture for Image Classification Across Diverse Visual Recognition Applications
提出GRU+BiLSTM混合深度学习架构，在Caltech-256上实现高精度图像分类。
阅读 3
EfficientNet-CBAM-prototype: an attention-guided EfficientNet framework with dynamic prototype representation for tomato disease classification
提出ECP-Net，用注意力与动态原型提升番茄病害分类精度与可解释性。
阅读 4
Leakage-Proof Reliability-Aware Deep Learning Framework for Rice Leaf Disease Diagnosis
提出防泄漏、可靠性导向的水稻叶病诊断深度学习框架，并系统评估其泛化与部署表现。
阅读 3
Advances in Recognition Methods for Fruit and Vegetable Harvesting（MDPI Agriculture 2026, 16(17), 1924）
综述果蔬采摘目标识别方法，分析数字图像、机器学习与深度学习技术，指出挑战与未来方向。
2 个信源阅读 3
Land Cover Classification using Hyperspectral Imagery: A Deep Learning Approach
利用高光谱影像和深度学习模型对印度两地区进行土地覆盖分类，比较CNN、ResNet-18和VGG-1
阅读 2
RAVA: a robust recurrent active vision agent for plant disease diagnosis under severe environmental noise
提出RAVA，一种循环主动视觉智能体，通过主动观察应对环境噪声，提升植物病害诊断鲁棒性。
精选79 分
阅读 9
EOL-DQN: An intelligent cutting decision of potato seed tubers based on improved deep reinforcement learning
提出EOL-DQN改进深度强化学习模型，用于马铃薯种薯切块智能决策。
阅读 2
Deep convolutional neural network-based automated identification and classification of mungbean foliar diseases
评估五种深度卷积神经网络在自然田间条件下对绿豆叶部病害的识别性能。
阅读 3
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。
阅读 7
FlowDelayNet: self-supervised siamese learning for automated flow-delay estimation in yield monitor data
提出自监督深度学习框架FlowDelayNet，自动估计产量监测数据中的流动延迟。
阅读 5
Deep Learning Based Semantic Segmentation of Satellite Imagery for Land Cover Classification
综述深度学习用于卫星影像土地覆盖分类的语义分割方法，并分析挑战与未来方向。
2 个信源阅读 3
Automated extraction of facial surface temperature from thermal images of calves using deep learning-based instance segmentation: Technical validation and associations with rectal temperature
Automated extraction of facial surface temperature from thermal images of calves using deep learning-based instance segmentation: Technical validation and associations with rectal temperature。Smart Agricultural Technology
阅读 3
SFNL-Former: A Novel Spatial-Frequency Non-local Network for Precipitation Forecast
提出SFNL-Former网络，通过空间-频率分离和长程建模提升降水预报精度。
阅读 1
Diag-STFN：用于全球收获前作物产量预测的诊断时空多模态融合网络
提出Diag-STFN网络，用于全球收获前玉米和小麦产量预测，在CY-Bench基准上取得最优性能。
阅读 5
Object Detection in Computer Vision: A Comprehensive Review of Algorithms, Datasets, and Evaluation Techniques
系统综述目标检测三十年发展，从传统方法到深度学习、Transformer及大语言模型，并分析数据集与
阅读 7
Microscopic detection of topsoil aggregate size based on LMTPI auto-DL framework in field environment
提出LMTPI自动深度学习框架，用于田间表土团聚体粒径的微观检测，提高效率和精度。
阅读 4
Lightweight real-time detection of sweet potato virus disease by a hybrid CNN–Transformer network
提出Swin-SPVDNet混合CNN-Transformer网络，实现甘薯病毒病轻量级实时检测。
阅读 5
A Comprehensive Review of Deep Learning in Agricultural Visual Perception: Progress, Bottlenecks, and Emerging Trends (深度学习在农业视觉感知中的综合综述:进展、瓶颈与新兴趋势)
MDPI Agriculture 2026, 16(17), 1826, 2026年8月26日发表。江苏大学低空技术学院与电气信息工程学院联合综述,提出从低级数据增强和静态空间认知再到高级动态时空推理的渐进分析框架。气候变化、土地退化和资源稀缺驱动精准农业成为确保全球粮食安全的战略必然。传统人工检查主观且不可扩展;计算机视觉为精准作物和牲畜管理提供非侵入式解决方案,但在农业实际场景中的应用面临严重遮挡、光照剧变和生物目标非刚性形变等特定挑战。深度学习已成为克服这些限制的主流范式,CNN、Vision Transformers (ViTs)和Graph Neural Networks (GNNs)等架构学习海量数据中的自适应层次表示。识别四个优先研究方向:架构效率、数据级标注效率、部署级隐私和仿真、信任级安全。
阅读 4