A comprehensive review of deep learning methods for weed classification in precision agriculture
综述2018-2025年深度学习杂草分类方法，分析技术瓶颈并给出改进建议。
农业AI与大模型
人工智能算法、大模型与决策支持系统
技术筛选 · 已选 1 项
54 篇内容清除全部筛选
Deep learning-driven multisource remote sensing image fusion: Advances, challenges, and future directions
综述深度学习多源遥感图像融合方法、挑战与未来方向。
A Hybrid CNN–Transformer–LSTM Deep Learning Framework for Automated Cotton Disease Detection
提出CNN-Transformer-LSTM混合框架，实现棉花叶片病害自动识别。
Zenodo (CERN European Organization for Nuclear Research)·9月18日 · 周五65 分 论文农业AI与大模型智慧农业 / 农业物联网2 个信源同时报道 阅读 3
A CNN-Based Approach for Leaf Disease Prediction in Smart Agriculture
用CNN对植物叶片病害进行自动识别，在基准数据集上取得92%准确率。
Precision Diagnosis of Apple Leaf Diseases Across Infection Stages via Web-Based Analysis
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。
High-resolution land cover mapping from coarse labels via a noisy label learning-guided cross-scale framework
提出噪声标签学习引导的跨尺度框架，用低分辨率粗标签生成高分辨率土地覆盖图。
基于深度学习数据增强技术的肉牛行为识别 与养殖状态评估研究
比较四种骨干网络并做数据增强消融，实现9类肉牛行为识别与养殖状态评估。
LeafTrackNet: A deep learning framework for robust leaf tracking in top-down plant phenotyping
提出LeafTrackNet深度学习框架，实现俯视植物表型中稳健的叶片追踪。
International Journal of Computer Science and Artificial Intelligence·9月14日 · 周一0 分 论文农业AI与大模型农业人工智能与决策模型阅读 3
Artificial Intelligence, Machine Learning, and Deep Learning Concepts, Methods, and Real-World Impact
系统综述AI、机器学习与深度学习的概念、方法、应用及伦理挑战。
DASO-RiceNet: 细粒度水稻病害与损伤分类的双注意力序列优化网络(准确率 96.5%)
提出双注意力序列优化网络DASO-RiceNet，实现10类水稻病害与损伤的高精度分类。
Deep Learning-Based Weed Classification, Detection, and Segmentation in Precision Agriculture: a Bibliometric and Comprehensive Review
对精准农业中深度学习杂草分类、检测与分割研究进行文献计量与综述分析。
EfficientNet-CBAM-prototype: an attention-guided EfficientNet framework with dynamic prototype representation for tomato disease classification
提出ECP-Net，用注意力与动态原型提升番茄病害分类精度与可解释性。
Leakage-Proof Reliability-Aware Deep Learning Framework for Rice Leaf Disease Diagnosis
提出防泄漏、可靠性导向的水稻叶病诊断深度学习框架，并系统评估其泛化与部署表现。
Advances in Recognition Methods for Fruit and Vegetable Harvesting（MDPI Agriculture 2026, 16(17), 1924）
综述果蔬采摘目标识别方法，分析数字图像、机器学习与深度学习技术，指出挑战与未来方向。
Land Cover Classification using Hyperspectral Imagery: A Deep Learning Approach
利用高光谱影像和深度学习模型对印度两地区进行土地覆盖分类，比较CNN、ResNet-18和VGG-1
RAVA: a robust recurrent active vision agent for plant disease diagnosis under severe environmental noise
提出RAVA，一种循环主动视觉智能体，通过主动观察应对环境噪声，提升植物病害诊断鲁棒性。
Deep convolutional neural network-based automated identification and classification of mungbean foliar diseases
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。
Zenodo (CERN European Organization for Nuclear Research)·9月2日 · 周三67 分 论文农业AI与大模型农业遥感与作物表型2 个信源同时报道 阅读 3
Deep Learning Based Semantic Segmentation of Satellite Imagery for Land Cover Classification
综述深度学习用于卫星影像土地覆盖分类的语义分割方法，并分析挑战与未来方向。
Automated extraction of facial surface temperature from thermal images of calves using deep learning-based instance segmentation: Technical validation and associations with rectal temperature
Automated extraction of facial surface temperature from thermal images of calves using deep learning-based instance segmentation: Technical validation and associations with rectal temperature。Smart Agricultural Technology
SFNL-Former: A Novel Spatial-Frequency Non-local Network for Precipitation Forecast
提出SFNL-Former网络，通过空间-频率分离和长程建模提升降水预报精度。