AI 植物病害检测

综述AI（CNN、ViT、无人机遥感、物联网）用于作物病虫害早期检测并融入种植园风险管理。

提出两级边缘AI框架，用RGB图像实时分类苹果叶片病害。

比较联邦学习客户端级稳定化技术，提升植物病害识别的鲁棒性。

综述深度学习在植物病害检测中的应用，涵盖CNN、混合Transformer、注意力机制与生成式数据增

提出一种基于无人机多光谱时序影像的深度学习混合模型，实现苹果黑星病和葡萄霉病的早期检测与分割。

提出融合机器学习、深度学习和物联网的智能农场系统，实现作物推荐与植物病害检测。

综述2023-2026年30篇文献，评估物联网与机器学习在作物病害检测和推荐中的应用。

综述AI在植物病害检测中的应用，涵盖图像采集到模型评估全流程及未来趋势。

提出基于DeiT的混合可解释框架，实现植物病害分类与严重度估计。

综述纳米材料传感器在土壤养分、作物生理和病害检测中的分析可行性及田间应用瓶颈。

通过文献计量分析，梳理了2016-2026年AI在作物病害检测与管理中的研究趋势。