作物病害识别 农业人工智能

提出概念探针时间稳定性审计与可解释性衰减界，判断何时需重新审计。

提出两级边缘AI框架，用RGB图像实时分类苹果叶片病害。

开发KRISHI AI平台，集成AI与IoT提供作物推荐、病害识别、天气信息和农机租赁服务。

AGRISIGHT AI: A ConvNeXtV2-Based Deep Learning Framework for Crop Disease Classification with a Proposed Multimodal Extension for Precision Agriculture。Research Square

构建ESP32物联网与CNN结合的植物病害检测及作物咨询系统。

用QYmax叶绿素荧光成像与改进LCRNet实现小麦白粉病高精度识别。

提出审计到评审框架，先固定证据身份再比较作物图像分类器，并关联预测不确定性与评审工作量。

提出轻量网络AgroVisNet与BD-PlantDX数据集，实现手机端作物病害高精度识别。