面向共存植物叶部病害多标签诊断的类别感知视觉-语言框架CA-CLIP(CA-CLIP for multi-label diagnosis of co-occurring plant leaf diseases: A class-aware vision-language framework)

Agrivlm: integrating vision-language models into real-time remote sensing for smart agriculture。Wireless Networks

中国农业科学院农业信息研究所科学数据研究室科研团队近日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。研究团队依托长文本-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。同时设计知识引导的去混淆模块，通过构建文本和视觉双模态相似度图，明显降低容易混淆类别之间的预测误差。该研究得到国家重点研发计划、中国农业科学院科技创新工程等项目支持。

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。

提出场景图增强的视觉-语言-行动模型，用于自主多功能农业机器人。

提出可解释性容量上界，评估低标签下概念秩崩溃审计的可靠性。

提出分层保形风险控制，为未建模入渗下的灌溉调度提供安全保证。