AI 植物病害检测

提出集成病害诊断、灌溉决策与农事记录的闭环农业决策支持系统AgriFlow。

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。

提出CNN识别病害并联动ESP32自动喷药的机器人系统。

用文献计量与NLP分析598篇文献，梳理AI精准农业与资源效率研究结构。

综述AI（CNN、ViT、无人机遥感、物联网）用于作物病虫害早期检测并融入种植园风险管理。

提出两级边缘AI框架，用RGB图像实时分类苹果叶片病害。

比较联邦学习客户端级稳定化技术，提升植物病害识别的鲁棒性。

综述深度学习在植物病害检测中的应用，涵盖CNN、混合Transformer、注意力机制与生成式数据增

提出一种基于无人机多光谱时序影像的深度学习混合模型，实现苹果黑星病和葡萄霉病的早期检测与分割。

提出融合机器学习、深度学习和物联网的智能农场系统，实现作物推荐与植物病害检测。

综述2023-2026年30篇文献，评估物联网与机器学习在作物病害检测和推荐中的应用。

综述AI在植物病害检测中的应用，涵盖图像采集到模型评估全流程及未来趋势。

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。

综述纳米材料传感器在土壤养分、作物生理和病害检测中的分析可行性及田间应用瓶颈。

通过文献计量分析，梳理了2016-2026年AI在作物病害检测与管理中的研究趋势。