DBCLNet通过双分支协作和特征级联设计，显著提升了多类别农作物病害的识别性能，并在模型复杂度与精度间取得平衡。未来可进一步优化特征提取策略，并扩展至更复杂场景验证实用性。

研究聚焦于作物病害识别与遥感频域特征融合。基于ShiftingNet的病害识别模型在Plant Village数据集上实现多类作物Val Acc达99.8%，验证了标准化预处理对复杂背景图像的重要性；针对ConvLSRNet的...

PlantAIM是一种新型基准模型，旨在通过融合全局注意力机制与局部特征提取能力，提升植物病害识别的性能。该模型结合了视觉Transformer（ViT）和卷积神经网络（CNN）的优势，通过双骨干网络和全...

我回顾了8月的科研、学习和阅读进展：完成了第二篇论文的模型测试和初稿撰写，但首篇论文因创新性不足被拒稿；深度学习课程学习未推进，但超额完成阅读计划，涉猎哲学、科幻和经济学等领域。9月...