Uncertainty-Aware Semi-Supervised Framework with Supervised Contrastive Learning for Sugarcane Leaf Disease Detection [预印本]
提出半监督不确定性感知网络U-SSDNet，用少量标注实现甘蔗叶病高精度检测。
← 主题
#病害检测
A Distributed Multirobot Architecture for Decoupled Inspection and Localized Treatment in Precision Agriculture
提出分布式多机器人架构，在葡萄园实现异步巡检与精准治疗。
Integrating UAV-Based Remote Sensing and Deep Learning for Early Detection of Bacterial Leaf Blight in Rice
Integrating UAV-Based Remote Sensing and Deep Learning for Early Detection of Bacterial Leaf Blight in Rice。Research Square
A novel phenotyping approach for reconciling precision and variance in disease severity estimates from high-resolution imaging
通过高分辨率成像与焦点包围曝光，结合分层统计模型，提升小区级病害严重度估计精度。
TB-YOLOv8n: an improved YOLOv8n-based model for tip-burn detection in plant factory-grown pakchoi under LED lighting
提出轻量模型TB-YOLOv8n，在植物工厂LED光下检测小白菜干烧心。
PT-GNN: A physiological topology-aware graph neural network for multimodal early detection of cucumber downy mildew using hyperspectral and chlorophyll fluorescence sensing
提出生理拓扑感知图神经网络PT-GNN，融合高光谱与叶绿素荧光实现黄瓜霜霉病早期检测。
华中农大实现柑橘黄龙病早期无损诊断 提LLM辅助拉曼光谱相似度融合框架
提出LLM辅助多通道光谱相似度融合框架，实现柑橘黄龙病早期无损诊断。
Coupling leaf electrical impedance spectroscopy with defense-hormone dynamics for pre-symptomatic rice blast detection
结合叶片电阻抗谱与防御激素动态，实现水稻稻瘟病症状前检测。
Thermal Cut-off, Not Frequency Throttling: Duty-Cycle Scheduling and a Dataset-Integrity Audit for On-Farm Edge Disease Detection in Durian
研究榴莲病害边缘检测系统的数据集泄漏与热关断问题，提出占空比调度方案。
Continual Learning Model Evaluation for Hyperspectral-Based Tomato Bacterial Spot Detection in Greenhouse
评估持续学习框架用于温室高光谱番茄细菌性斑点病冠层检测。
Hyperspectral Imaging for Disease Detection in Wheat Crops: A Comprehensive Survey
综述高光谱成像在小麦病害检测中的应用，涵盖方法、挑战与未来方向。
SymbioMamba：面向无人机平台实时玉米病害与产量分析的高效双流状态空间框架
提出双流状态空间框架，实现无人机玉米病害检测与产量预测的实时高效分析。
International journal of intelligent engineering and systems·8月29日 · 周六65 分 论文物联网传感与边缘计算智慧农业 / 农业物联网阅读 3
IoT-based Electronic Nose and Environmental Sensor Fusion for Melon Root Rot Classification Using Adaptive Feature Optimization
提出物联网传感器融合框架，结合电子鼻与土壤传感器，自适应特征选择实现甜瓜根腐病高精度分类。
Machine Learning Classification Techniques for Smart Agriculture: A Review of Disease Detection and Crop Recommendation (机器学习分类技术在智慧农业中的应用综述:病害检测与作物推荐)
Frontiers in Artificial Intelligence 2026年8月31日综述。研究对2023年1月至2026年1月Scopus、IEEE Xplore、ScienceDirect和SpringerLink数据库中的文章进行系统检索,使用IoT and machine learning and agriculture、crop recommendation、plant disease detection、precision farming等关键词组合,30篇文章符合实证方法、定量性能报告和清晰数据集描述的标准。结果表明,随机森林( Random Forest)、支持向量机(SVM)和决策树等集成方法与传统机器学习方法在作物产量预测中准确率达到99.9%;CNN和ResNet深度学习模型病害检测准确率超过98%;GRU和LSTM时间序列模型天气条件预测准确率范围94-98%。IoT系统在精准农业应用方面显著改善资源利用,实现60-96%的节水、25%的增产和36-38%的除草剂减量。