Computers and Electronics in Agriculture·10月1日 · 周四论文农业遥感与作物表型阅读 6

PineWilt-MultiSeg: Joint spatial–spectral learning enables precise detection of pine wilt disease

Guanghua Liu · Hanbing Sun · Yilin Xiong 等 7 人

Computers and Electronics in AgricultureDOI 10.1016/j.compag.2026.112480
论文解读
78精选
速览

提出PineWilt-MultiSeg模型,联合空谱学习实现松材线虫病精准检测。

方法

联合空间-光谱深度学习,用于松材线虫病遥感影像分割检测。

发现

空谱联合学习能提升松材线虫病检测精度。

机会点

可探索多时相空谱融合与轻量化模型,用于早期病害监测和边缘部署。

影响力18
信息增量20
专业深度17
信源权威14
时效性9

核心期刊论文,提出空间-光谱联合学习方法用于松材线虫病精准检测,方法新颖且对林业病虫害智能监测有参考价值,但属细分领域技术进展,影响范围有限。

原文摘要

PineWilt-MultiSeg:联合空间-光谱学习实现松材线虫病的精准检测。《计算机与电子农业》

PineWilt-MultiSeg 松材线虫病 检测相关资讯

Zenodo (CERN European Organization for Nuclear Research)·10月21日 · 周三67 分 论文农业AI与大模型农业遥感与作物表型阅读 0

Evaluation of Counterfactual Explanation Robustness for Computer Vision Agriculture Yield-Forecast Models Under Satellite Cloud-Mask Gaps: An Interpretability Reliability Bound for Cooperative Storage Decisions

推导卫星云掩膜缺口下反事实解释可靠性的理论界,并评估其对合作社储粮决策的影响。