[预印本]面向农业机器人在多变天气与地形下基于视觉-语言模型的上下文自适应农药喷洒(Context-Aware Adaptive Pesticide Spraying for Agricultural Robots under Changing Weather and Terrain Using Vision-Language Models)
提出基于视觉-语言模型的上下文自适应农药喷洒框架，结合MPPI控制实现精准喷洒。
← 主题
#视觉语言模型
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)
提出CA-CLIP视觉-语言框架，实现共存植物叶部病害的多标签诊断。
Agrivlm: integrating vision-language models into real-time remote sensing for smart agriculture
Agrivlm: integrating vision-language models into real-time remote sensing for smart agriculture。Wireless Networks
中国农科院农业信息研究所提出层次知识引导的枸杞害虫识别框架——Engineering Applications of Artificial Intelligence在线发表
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。
[预印本]Vision-language models know more about agriculture than they show and rubric-grounded verifications close the gap
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。
Scene-graph-grounded vision–language reasoning to action for autonomous multipurpose agricultural robots
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。
Multi-Agent Vision-Language Debate Framework for Zero-Shot Crop Disease Diagnosis (VIDA+PANDA)
本文提出VIDA+PANDA多智能体视觉语言框架用于零样本作物病害诊断,包含两个阶段:VIDA多VLM智能体独立分析作物叶片图像建立基线性能;同行锚定命名审议架构(PANDA)在选定的智能体群体中引入结构化多轮辩论,智能体交换推理、批评同行预测、通过基于证据的讨论修订决策,反谄媚机制阻止无支持的共识转变。在CDDM基准上使用来自四个独立提供商的七个异构VLM,在完全零样本设置下,非参与方GPT-5作为独立评判者评估。框架引入三个语义度量:语义标签相似度(SLS)、推理特异性(RS)、智能体间推理收敛度(IRC)。实验结果表明协作多智能体审议提高了个体诊断性能和语义对齐,较弱智能体增益最大。原文框架发表于Frontiers in Plant Science。