A global–local momentum contrastive framework with critical feature calibration for field plant disease identification in precision agriculture
提出GLC-Net，用全局-局部动量对比学习与关键特征校准提升田间植物病害识别。
← 主题
#水稻病害
IoT-RiceMobileNet: An improved lightweight MobileNetV2 Model for real-time multi-class rice disease detection using IoT
提出轻量级IoT-RiceMobileNet模型，实现水稻病害实时多类检测。
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。
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。
Swin Transformer+ConvNeXt双流融合的水稻叶部病害分类
提出全局-局部双流融合网络,叠加注意力机制+Grad-CAM可视化+大语言模型农艺建议;Dataset-1准确率99.55%、五折交叉验证98.91%±0.47,跨数据集九类公共病害准确率达90.80%。