LIGHTWEIGHT FEATURE FUSED ATTENTION DRIVEN MULTI LEVEL HYBRID MOBILENET V2 FRAMEWORK FOR EARLY TOMATO LEAF DISEASE DETECTION
提出轻量注意力多级混合MobileNet-V2框架，融合手工纹理与深度学习特征实现番茄叶片病害早期检
← 主题
农业人工智能 图像识别
同时包含 农业人工智能、图像识别 的农业资讯，共 13 条。
Enhanced Convolutional Neural Network Architecture with Attention-Guided Feature Refinement for Robust Image Classification
提出注意力引导细化网络AGR-Net，在CIFAR-10上兼顾精度与参数效率。
From Handcrafted Descriptors to Deep Embeddings: A Comparative Study for Regional Hazelnut Image Classification
比较手工特征、深度迁移学习和量子兼容分类器对三个地区榛子图像的分类性能。
International Journal of Electronics and Communication Engineering·10月10日 · 周六63 分 论文农业AI与大模型智慧农业 / 农业物联网阅读 1
Image Processing-Based Efficient Hybrid Feature Extraction Approach for Plant Leaf Disease Recognition
提出融合CNN深度特征与手工特征的方法，用于植物叶片病害识别。
Tomato ripeness classification with weight-based and texture-adaptive pooling in CNNs
提出基于纹理自适应模糊池化机制，提升CNN番茄成熟度分类性能。
Automated Diagnosis of Tomato Leaf Diseases with Attention-Enhanced Feature Aggregation
提出MPFAN-AF模型，用多尺度并行卷积和注意力融合实现番茄叶片病害自动分类。
Automated detection of visible venation patterns in cowpea leaves under agricultural engineering
用RGB卷积神经网络自动分类豇豆叶片可见脉纹，区分健康与结构胁迫样本。
基于CNN/LR/GA-BP的辣椒叶病识别稳定性与精度多维度视觉特征比较
比较CNN、LR、GA-BP对辣椒叶病的识别精度与稳定性，并评估三种分割预处理方案。
Automated seedling vigor estimation in cucumbers using digital image processing
用YOLOv8检测黄瓜真叶并结合多元回归，实现幼苗活力指数无损预测。
International Journal of Advanced Research in Science Communication and Technology·9月11日 · 周五0 分 论文农业遥感与作物表型阅读 2
A Hybrid Deep Learning Architecture for Image Classification Across Diverse Visual Recognition Applications
提出GRU+BiLSTM混合深度学习架构，在Caltech-256上实现高精度图像分类。
Design and Deployment of Multi-Class Image Classification Model on ESP32 Using a Lightweight CNN Approach
在ESP32微控制器上训练并部署轻量CNN多类图像分类模型，实现无云端的嵌入式视觉。
PAT: An Image Analysis Tool for Automated Scoring of Pollen in Alexander-Stained Anthers
开发了花粉分析工具PAT，自动化评估花粉活力，并用于发现新的减数分裂抑制因子。
From Visual Words to Vision Transformers: Dual Approaches to Water Stress Classification in Maize
比较Swin Transformer与手工特征BPNN在玉米水分胁迫RGB图像分类中的表现，两者均达