农业图像解释和生成任务中多模态 LLM 的幻觉行为

大语言模型 (LLM) 正在农业成像应用中迅速采用，范围从作物解释到合成田间图像生成。然而，这些模型经常表现出幻觉输出，这些输出看起来很自信，但却偏离了生物或环境现实，可能导致错误的农艺见解。这项研究从两个互补的方向研究了此类幻觉：图像到文本，其中 LLM 解释作物或田地图像来描述生物和非生物胁迫等条件，以及文本到图像，其中模型根据描述性提示生成合成农业场景。我们检查涉及生物不一致、上下文不准确和农艺不合理的错误，并根据多种成像模式的领域知情标准评估输出。我们的分析确定了解释性任务和生成性任务中反复出现的幻觉模式。在图像解释中，LLM（例如，Gemma、LLAVA、Qwen 和 MiniCPM）实现了适度的零射击精度（63% 至 75%），而少数射击提示的性能提高高达 86.8%，表现出错误检测和漏感染，表明残留的幻觉效应。在文本到图像任务中，GPT-5 和 Gemini 2.5 Flash 等先进模型在宽松的提示约束下生成高达 91% 的生物不一致场景，揭示了当前 LLM 的根本弱点。这种对视觉推理和生成的系统评估为增强基于 LLM 的农业成像平台的可靠性和可信度提供了重要的见解。