English(EN) Pixel-Precise Explainable Stress Indexing: A Semantic Segmentation Framework for Disease Severity Quantification in Field Crops

AI框架精准量化作物病害严重程度

作者 PulseAugur 编辑部 · [1 个来源] · 2026-07-09 04:00

研究人员开发了一种新颖的深度学习框架，用于精准量化田间作物的病害严重程度，旨在改进精准农业。该系统集成了语义分割、回归和分类，以评估压力水平，并根据受感染的叶片面积将其分为低到非常高。实验表明，使用MobileNetV2的U-Net模型取得了高性能，像素准确率为98.20%，严重程度指数与专家标注高度相关。 AI

影响该框架有望显著改善作物监测和农民的决策支持，可能减少全球作物损失。

排序理由该集群包含一篇详细介绍农业应用新AI框架的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Raunak Kumar, Soumyashree Kar · 2026-07-09 04:00

Pixel-Precise Explainable Stress Indexing: A Semantic Segmentation Framework for Disease Severity Quantification in Field Crops

arXiv:2607.06585v1 Announce Type: cross Abstract: Plant diseases, resulting from both biotic and abiotic stresses, cause an estimated 20-40% loss in global agricultural yield annually, resulting in economic damages exceeding USD 220 billion. Accurate and scalable stress quantific…

报道来源 [1]

Pixel-Precise Explainable Stress Indexing: A Semantic Segmentation Framework for Disease Severity Quantification in Field Crops

相关实体

相关话题