本文提出了一种新颖的多模态深度学习框架，结合了tiny-BERT的自然语言处理和R-CNN以及ResNet-18的图像处理，以增强农业害虫检测。该方法通过集成文本上下文进行更精确的害虫识别，解决了传统基于CNN的视觉方法的局限性。研究突出了多模态深度学习在复杂真实场景中的潜力，并建议在多样化的数据集、高级数据增强和跨模态关注机制方面扩展以提高模型性能。

本文提出了一种新颖的多模态深度学习框架，结合了tiny-BERT的自然语言处理和R-CNN以及ResNet-18的图像处理，以增强农业害虫检测。该框架通过集成文本上下文进行更精确的害虫识别，解决了传统基于CNN的视觉方法的局限性。多模态方法显著提高了农业害虫检测的效果。研究突出了多模态深度学习在复杂真实场景中的潜力，并建议在多样化的数据集、高级数据增强和跨模态关注机制方面扩展以提高模型性能。