田间病害诊断准确率飙到99.3%！AI多智能体融合模型，冲突证据也能秒判
Fusing Perceptual Vision Experts with Multimodal Large Language Models for Explainable Plant Disease Diagnosis: From Benchmark Imagery to Real-World Robotic Field Validation
📖 AI 总结
该研究提出了一种名为混合分层多智能体框架（H²MAF）的植物病害诊断方法，将EfficientNet-B3和ConvNeXt-Tiny两种视觉模型与开源多模态大语言模型（Gemma 4 E4B和Qwen3.5 4B）相结合，通过结构化JSON证据实现可解释的诊断输出，包括风险等级、治疗紧迫性和经济损失评估。研究在PlantDoc基准数据集（2,922张图像）和两个康奈尔大学机器人采集的田间数据集（共11,442张图像）上进行了验证。结果显示，在PlantDoc上，Gemma将准确率从63.9%提升至68.5%，在CNN冲突子集上提升达7.6个百分点；田间数据准确率高达99.3%和98.9%，模型间分歧仅为1.7-4.1%。值得注意的是，Gemma在关键风险错误上仅0.14-0.5个百分点，而Qwen存在3.5-14.4个百分点的过度标记问题。研究表明，多模态大语言模型仲裁为可解释农业AI提供了有前景但需校准的解决方案。
🔑 关键词速览
| H$^{2}$MAF | 混合分层多智能体框架，结合CNN决策级融合与MLLM语义仲裁的病害诊断系统。 |
| MLLM | 多模态大语言模型，能处理图像和文本，用于生成可解释的诊断和风险分析。 |
| EfficientNet-B3 | 一种高效的卷积神经网络架构，用于图像分类，平衡精度与计算效率。 |
| ConvNeXt-Tiny | 一种基于Transformer思想的现代CNN变体，用于图像特征提取和分类。 |
| 决策级融合 | 将多个模型的独立预测结果进行组合，以提升整体诊断准确性和鲁棒性。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅