用于农业害虫诊断的可解释AI

Research Paper#Agricultural AI, Vision-Language Models, LLMs, Explainable AI🔬 Research|分析: 2026年1月3日 06:19
发布: 2025年12月31日 16:21
1分で読める
ArXiv

分析

本文介绍了一种新颖的、无需训练的框架(CPJ),用于使用大型视觉-语言模型和LLM进行农业害虫诊断。关键创新在于使用结构化、可解释的图像标题,并通过LLM-as-Judge模块进行优化,以提高VQA性能。该方法解决了现有方法依赖于昂贵的微调且难以应对领域转移的局限性。在CDDMBench数据集上的结果表明了显著的性能提升,突出了CPJ在稳健且可解释的农业诊断方面的潜力。
引用 / 来源
查看原文
"CPJ significantly improves performance: using GPT-5-mini captions, GPT-5-Nano achieves +22.7 pp in disease classification and +19.5 points in QA score over no-caption baselines."
A
ArXiv2025年12月31日 16:21
* 根据版权法第32条进行合法引用。