Classification of cotton leaf disease using YOLOv8 based k-fold cross validation deep learning method for precision agriculture
未评分
来源：
Nature
关键字：
computational biology
发布时间：
2025-10-14 03:55
摘要：
该研究提出了一种基于YOLOv8深度学习模型的棉花叶病分类方法，采用10折交叉验证以提高模型的准确性和鲁棒性。研究结果显示，该模型在棉花叶病的识别中取得了99.60%的Top_1准确率，表明其在精准农业中的应用潜力。棉花作为重要的经济作物，其病害的及时检测对提高产量和质量至关重要。
原文：
查看原文
价值分投票
评分标准
新闻价值分采用0-10分制，综合考虑新闻的真实性、重要性、时效性、影响力等多个维度。
评分越高，表示该新闻的价值越大，越值得关注。
价值维度分析
domain_focus
0.0分+不属于医疗健康、生命科学领域
business_impact
0.0分+无商业影响
scientific_rigor
1.5分+有具体实验数据、临床前试验结果
timeliness_innovation
1.5分+突破性技术、首创性成果
investment_perspective
0.0分+不属于早期阶段
market_value_relevance
0.0分+非治疗相关或极小众应用
team_institution_background
0.0分+背景不明
technical_barrier_competition
0.0分+无技术壁垒、红海市场
关键证据
YOLOv8模型在棉花叶病分类中取得99.60%的Top_1准确率
采用10折交叉验证提高模型的鲁棒性
研究强调棉花在全球农业中的重要性
拒绝原因
不属于医疗健康、生命科学领域
真实性检查
否
AI评分总结
该研究提出了一种基于YOLOv8深度学习模型的棉花叶病分类方法，采用10折交叉验证以提高模型的准确性和鲁棒性。研究结果显示，该模型在棉花叶病的识别中取得了99.60%的Top_1准确率，表明其在精准农业中的应用潜力。棉花作为重要的经济作物，其病害的及时检测对提高产量和质量至关重要。