Bayesian neural network for plant disease detection: A role of prior knowledge in data-scarce agricultural systems
综述贝叶斯神经网络如何利用先验知识提升数据稀缺下的植物病害检测。
关键词 · 相关资讯与研究
沿着“β-VAE”继续探索,共 0 条内容。
综述贝叶斯神经网络如何利用先验知识提升数据稀缺下的植物病害检测。
用β-VAE无监督潜特征图的统计描述子实现蓝莓冠层大小表型分类。
该研究证明无标签β-VAE潜图经KL等统计描述子可恢复蓝莓冠层大小信息,但跨采集批次平衡精度仅约63%,且度量的是图像相对冠幅而非物理尺寸,适用于低成本预筛而非精准定标。
比较三种CycleGAN架构(EfficientNetB1、MobileNetV2、标准ResNet
Self-Supervised Learning With RGB-Guided Attention and Individual Consistency for Pig Weight Estimation。Smart Agricultural Technology
该方法用RGB引导注意力并结合个体一致性约束做自监督猪只体重估测,可减少对人工称重标注的依赖;适用边界在于需验证不同猪舍光照与拍摄角度下的泛化性。
提出BAT-MG Net,用不确定性量化预测微生物浓度并提前识别隐形腐败风险。
该模型在ComBase数据子集上以6小时窗口预测微生物浓度,并用蒙特卡洛Dropout给出预测区间,将浓度与不确定性合成D-PSRI三级风险;适用边界是仅限该分析子集,未做跨数据集对比。
大众网记者探访发现,从粮食主产区到特色经济作物基地,山东现代农业科技正持续下沉田间地头。在菏泽定陶,3.5万亩蒜田采用AI智能播种;淄博临淄全国首家生态无人农场实现耕种管收全流程无人化,百米作业精度2.5厘米;菏泽郓城144万亩小麦依托大田物联网系统;潍坊寿光纪都园区AI种植管理系统与巡检机器人普及率超85%,节水节肥30%以上,带动27个村集体年增收100多万元。
系统综述AI、机器学习与深度学习的概念、方法、应用及伦理挑战。
Qihe Su、Mengyu Sun、Yuxi Ke、Zhuoyan Jiang、Wanneng Yang、Chenglong Huang、Ziyuan Yang于arXiv(2026-08-10)发表预印本。GROW是面向开放集谷物识别与定量分析的统一框架,无需重新训练即可识别新品种并完成定量分析。方法上,GROW首先进行类无关谷物定位,将混合谷物图像转换为独立实例用于品种计数和表型测量,然后将视觉嵌入与形态描述符融合为谷物描述符存储在可扩展的GrainBank中,查询谷物通过秩相似度加权top-k检索识别,新品种通过追加描述符纳入而无需更新部署模型。在渐进式品种扩展、不同谷物密度、背景域偏移场景下展现良好的可扩展性、鲁棒性和适应性,与联合重训练相比,GROW将平均类别注册时间从4153秒降至仅39秒,同时保持有竞争力的识别性能。