本文提出了一种深度学习框架，结合预训练网络和自定义层，实现无人机捕获的土豆作物干旱胁迫分类。通过Grad-CAM技术提高模型的解释性和决策可信度，表现优于现有物体检测算法。同时，研究探讨了视觉Transformer在医学图像分类中的应用，发现其与卷积神经网络相媲美，成为有效替代方案。