关键词 · 相关资讯与研究
沿着“小样本学习”继续探索，共 3 条内容。
ADPT: Agriculture-Domain Prompt Tuning for few-shot agricultural disease classification。Computers and Electronics in Agriculture
ADPT将领域提示微调引入小样本作物病害分类，关注其在新作物、新病害样本稀缺场景下的泛化能力与数据依赖边界。
近日，中国农业科学院农业信息研究所科学数据研究室科研团队提出一种层次知识引导的枸杞害虫识别框架，有效解决真实农业场景下样本稀缺与类间混淆的双重挑战。相关研究成果发表在《人工智能的工程应用（Engineering Applications of Artificial Intelligence）》上。科研团队依托长文本-图像检索模型，把专家撰写的长文本描述解析为粗、中、细三个语义层次，并与多尺度视觉特征实现精准跨模态对齐；同时设计知识引导的去混淆模块，通过构建文本和视觉双模态相似度图，明显降低容易混淆类别之间的预测误差。该研究为枸杞等特色作物的虫害智能监测与精准防控提供新的技术路径。
构建5类54条肉鸡叫声数据集，比较四种CNN与两种迁移学习策略的小样本识别性能。
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。
提出双分支多模态尺度交互Transformer，用少量标注实现HSI-SAR联合地物分类。
本文提出便携式高光谱成像结合可解释PLS-DA-SHAP方法,用于茯苓(Fushen,Poria cocos)的地理来源溯源与真实性鉴别。研究展示了如何将机器学习与SHAP可解释性相结合,应用于中药材产地溯源。原文标题:Portable hyperspectral imaging combined with interpretable PLS-DA-SHAP for geographical origin traceability and authenticity discrimination of Poria cocos (Schw.) Wolf (Fushen),作者:Xing W、Zhang Y、Wei X、Nie S、Cheng X、Cai M、Yang Q、Wang Y,发表于Frontiers in Sustainable Food Systems 2026年第10卷doi:10.3389/fsufs.2026.1891249,2026年7月15日接收,8月7日发表。本研究为基于光谱成像的农产品/中药材产地溯源提供了可解释AI方法范式。
提出MetaMamba方法，结合元学习与Mamba，实现荒漠草原无人机高光谱影像少样本植被物种分类。
提出多特征与模糊结合残差LeNet的遥感影像棉花分类方法。
提出半监督不确定性感知网络U-SSDNet，用少量标注实现甘蔗叶病高精度检测。
用经济型多光谱成像结合知识蒸馏压缩模型，实现小麦线条花叶病毒早期检测。
提出SAMWater，用提示引导多模态基础模型实现可迁移地表水制图。
