pxGPT: A schema-constrained multimodal LLM framework for plant phenotyping
提出pxGPT框架，用多模态大模型将多视角植物图像转为结构化表型记录。
← 主题
#多模态大模型
A Comprehensive Review on Multi-Modal Large Language Models and Agentic Architectures for Precision Agricultural Decision Support
综述多模态大模型与智能体架构在精准农业决策支持中的应用与不足。
中国农科院信息所提出层次知识引导枸杞害虫识别框架
中国农业科学院农业信息研究所科学数据研究室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。该研究依托长文本-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,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。
SAMWater: a prompt-guided multimodal framework for transferable water mapping with the segment anything model
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。
A global-local hybrid vision-language framework for interpretable grapevine disease diagnosis
提出全局-局部混合视觉语言框架，实现可解释的葡萄病害诊断，准确率达98.7%。
A multi-agent multi-modal LLM with Monte Carlo tree search for interpretable plant disease classification
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。
AgriScope:面向农业图像的像素级多模态理解统一框架,arXiv 2609.20325(预印本)
提出AgriScope统一框架，实现农业图像像素级多模态理解与多任务交互。
《视觉-语言模型对农业的了解比其表现出来的更多 基于评分标准的验证可弥补差距》
论文构建农业VLM基准，发现视觉编码器不弱，提出PPT验证器按评分标准选答案，大幅提升识别F1。
Multi-grained image-text retrieval in farmland remote sensing via multimodal large language models
提出农田遥感图文跨模态检索任务，构建数据集并提出FarmMGR框架实现语言驱动检索。