MMTA-ACDD: Multi-teacher online adaptive learning and multimodal augmentation synergy for robust crop disease detection
提出多教师在线自适应与多模态增强框架,提升作物病害实时检测模型在动态环境下的鲁棒性。
阅读 2
关键词 · 相关资讯与研究
沿着“多模态增强”继续探索,共 1 条内容。
提出多教师在线自适应与多模态增强框架,提升作物病害实时检测模型在动态环境下的鲁棒性。
提出多智能体多模态LLM结合蒙特卡洛树搜索,实现可解释的植物病害分类。
提出一种结合深度学习和几何建模的猫姿态自动分析框架,从RGB图像提取临床可解释的姿态描述符。
综述水下光学图像中的小目标检测,梳理问题、数据集、算法,并展望未来方向。
比较四种骨干网络并做数据增强消融,实现9类肉牛行为识别与养殖状态评估。
提出一种注意力引导的自适应多尺度融合方法,提升遥感图像目标检测精度。
提出多模态时空感知融合系统,用迭代膨胀卷积图时序网络分类鱼类应激状态。
江苏省农科院已涌现近 20 个农业大模型及智能体投入研发或应用,数量和密度居全国前列。新能源设施农业创新团队的"光伏慧农"模型可在不同地区、不同作物条件下输出光伏板倾斜角度、板间距,并平衡粮食产量与发电收益。农用新材料创新团队的"瑞雪"大模型整合全国 2800 余个县域的长时序气象与土壤数据,是全球地膜领域首个垂直大语言模型。经济作物研究所联合浙江大学共同研发的"豆好"智能体已发布。国家食用豆产业技术体系首席科学家、省农科院副院长陈新表示,育种时间可缩短到两三年。
提出自适应异构动态集成框架AHDE-DS,实现跨异构数据的鲁棒预测、分类与智能决策支持。