[预印本] FedXCrop: Privacy-Preserving Crop Disease Detection via Federated Learning with Post-Aggregation Explainability under Non-IID Farm Distributions
提出FedXCrop联邦学习流程，在非独立同分布农场数据下实现隐私保护的作物病害识别。
关注点
在5客户端、38类数据上FedAvg准确率98.81%，标签偏斜仅降0.6–1.6个百分点，并量化Grad-CAM可解释性；但样本规模小、为预印本，结论外推需谨慎。
阅读 0