构建一个面向农民的网页版AI决策支持平台，集成病害识别、选种、土壤、灌溉与天气建议。
提出轻量级混合视觉网络MambaSeed，实现番茄等作物叶病高效识别。
提出轻量CNN实现马铃薯早疫病与晚疫病三分类，并在埃塞俄比亚田间验证。
该研究利用叶绿素荧光成像与深度学习识别小麦白粉病并分级。
比较三种深度学习模型检测橙子病害，并用RISE提升可解释性。
开发并验证基于深度学习的计算机视觉流程，用手机图像快速定量评估豌豆白粉病严重度。
提出轻量CNN与EfficientNet-B0混合特征提取、PCA降维和堆叠集成分类的菠萝蜜病害检测
提出基于ESP32与CNN的智能农业系统，实现环境监测与叶片病害实时检测。
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。
系统比较硬投票、软投票与加权软投票三种决策级集成策略，用于番茄叶片病害分类。
提出四维混沌加密与Mamba-LSDet协同的作物病害隐私保护识别框架。
融合计算机视觉与机器学习，实现高粱病害严重度评估与产量预测。
提出MSTANet多尺度纹理注意力网络，实现槟榔九类病害自动分类。
提出PDANet网络，融合分割、联邦学习与RAG大模型，实现果实病害检测与严重度预警。
提出轻量多任务模型，同时分类水果种类、成熟度和病害，并具可解释性。
提出轻量级CNN-LSTM混合网络，用于豆叶病害分类，兼顾高精度与低资源占用。
利用高分辨率卫星影像和机器学习在大豆田中检测红冠腐病。
提出PCA深度特征优化框架，用ViT+SVM分类橙子病害，准确率达99.12%。
提出防泄漏、校准且可解释的深度学习框架，用于稳健的杏仁病害分类。
提出融合深度学习、可解释AI与生成式AI的指状粟病害检测框架，实现高精度识别与决策支持。
提出基于YOLOv8-MHSA与SAM的网页系统，实现苹果叶片病害多感染阶段实时检测与分级。
用YOLO26m+SAM2+DINOv2多步管道分割并分类高湿诱导的番茄叶坏死斑。
提出轻量卷积网络AgroVisNet及专家验证的萝卜、马铃薯和尖瓜病害图像基准BD-PlantDX。
提出结合四维混沌加密与Mamba网络的隐私保护作物病害识别框架。
提出CBAM-LeafGAN，用选择性注意力增强StyleGAN3合成芒果叶病图像并提升识别可解释性
构建农业图像基准，发现视觉语言模型已编码农业特征，但输出未充分体现。
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。
评估五种深度卷积神经网络在自然田间条件下对绿豆叶部病害的识别性能。
提出智能作物推荐系统，结合AI与实时天气，推荐作物并检测病害。