Accurate and interpretable plant disease diagnosis remains a major challenge for vision-language models (VLMs) in real-world agriculture. We introduce AgriChain, a dataset of approximately 11,000 expert-curated leaf images spanning diverse crops and pathologies, each paired with (i) a disease label, (ii) a calibrated confidence score (High/Medium/Low), and (iii) an expert-verified chain-of-thought (CoT) rationale. Draft explanations were first generated by GPT-4o and then verified by a professional agricultural engineer using standardized descriptors (e.g., lesion color, margin, and distribution). We fine-tune Qwen2.5-VL-3B on AgriChain, resulting in a specialized model termed AgriChain-VL3B, to jointly predict diseases and generate visually grounded reasoning. On a 1,000-image test set, our CoT-supervised model achieves 73.1% top-1 accuracy (macro F1 = 0.466; weighted F1 = 0.655), outperforming strong baselines including Gemini 1.5 Flash, Gemini 2.5 Pro, and GPT-4o Mini. The generated explanations align closely with expert reasoning, consistently referencing key visual cues. These findings demonstrate that expert-verified reasoning supervision significantly enhances both accuracy and interpretability, bridging the gap between generic multimodal models and human expertise, and advancing trustworthy, globally deployable AI for sustainable agriculture. The dataset and code are publicly available at: https://github.com/hazzanabeel12-netizen/agrichain

Bản dịch tiếng Việt:

Việc chẩn đoán bệnh ở cây trồng một cách chính xác và có thể diễn giải vẫn là một thách thức lớn đối với các mô hình ngôn ngữ thị giác (VLMs) trong nông nghiệp thực tế. Chúng tôi giới thiệu AgriChain, một tập dữ liệu gồm khoảng 11.000 hình ảnh chiếc lá được chuyên gia tuyển chọn bao gồm nhiều loại cây trồng và bệnh lý khác nhau, mỗi hình ảnh được ghép nối với (i) nhãn bệnh, (ii) điểm tin cậy được hiệu chỉnh (Cao/Trung bình/Thấp), và (iii) một lý do cơ sở theo chuỗi suy nghĩ (CoT) được xác minh bởi chuyên gia. Các lời giải thích dự thảo trước tiên được tạo bởi GPT-4o và sau đó được xác minh bởi một kỹ sư nông nghiệp chuyên nghiệp sử dụng các mô tả chuẩn hóa (ví dụ: màu sắc tổn thương, ranh giới và phân bố). Chúng tôi tinh chỉnh Qwen2.5-VL-3B trên AgriChain, tạo ra một mô hình chuyên biệt được gọi là AgriChain-VL3B, để cùng dự đoán bệnh và tạo ra lập luận có cơ sở trực quan. Trên tập kiểm tra gồm 1.000 hình ảnh, mô hình được giám sát CoT của chúng tôi đạt độ chính xác top-1 là 73,1% (macro F1 = 0,466; weighted F1 = 0,655), vượt trội hơn các đường cơ sở mạnh bao gồm Gemini 1.5 Flash, Gemini 2.5 Pro và GPT-4o Mini. Các lời giải thích được tạo ra phù hợp chặt chẽ với lập luận của chuyên gia, nhất quán tham chiếu các tín hiệu hình ảnh chính. Những phát hiện này chứng minh rằng sự giám sát lập luận được xác minh bởi chuyên gia giúp tăng cường đáng kể cả độ chính xác và khả năng diễn giải, thu hẹp khoảng cách giữa các mô hình đa phương thức chung và chuyên môn của con người, đồng thời thúc đẩy AI đáng tin cậy, có thể triển khai trên toàn cầu vì một nền nông nghiệp bền vững. Tập dữ liệu và mã nguồn được công khai tại: https://github.com/hazzanabeel12-netizen/agrichain

Document Ready

Click below to load the full PDF document natively.