⁣
📰 综述：关于农业行业中利用物联网（IoT）进行植物叶片疾病检测与分类的机器学习及深度学习技术的综述 - 生物通

本综述聚焦物联网驱动的植物叶部疾病检测与分类在智能农业中的应用，强调将传感器数据、影像与ML/DL算法进行多模态集成，比较传统方法局限，探讨实时监测与边缘计算在提升诊断与减少农药方面的潜力及经济影响。
本文梳理生物性与非生物性叶病的类型、症状及传播，强调叶部作为监测信号。指出人口增长与粮食压力促成智能农业成为关键解决方案，AI监测有助于降低农药使用并缓解环境与健康风险。IoT传感网络与云平台实现成本与可扩展的数据分析。
本文还系统回顾用于植物叶部疾病识别的ML/DL算法及其性能指标，并梳理基于AI的物联网平台在农业的进展。对端到端系统提出关键挑战，如安全与隐私、资源约束、数据规模与质量、连接性、设备灵活性与功耗，并展望未来方向。

🏷️ #物联网 #深度学习 #植物疾病 #智能农业

🔗 原文链接

⁣
📰 基于Transformer的嵌入技术在农业领域的问答生成系统中应用 - 生物通

本研究基于CPA-BERT与LSTM-CVA等嵌入技术，面向农业问答生成系统开展研究。通过对KCC通话记录（约3400万条）的分析，构建可回答植物保护、病虫害、市场信息等问题的知识库，并实现高度情境化的文本表示。研究进一步通过对查询和答案中的关键特征进行优先处理，提升了系统在相关响应上的准确性与时效性。
研究结果显示，在3400万真实农民查询中，该系统的准确率达98.04%、F1分数97.98%，平均响应时间缩短至3.16秒，显著提升信息服务的效率与精准度。该研究强调开放数据和可重复使用的知识库对于为农民提供及时植物保护建议、支持决策的重要性，促进农业可持续发展。

🏷️ #农业问答 #深度学习 #自然语言处理 #印度农业 #实时决策

🔗 原文链接