DINOv3 meets YOLO26 for enhanced crop-weed detection toward precision vegetable weeding

提出轻量注意力多级混合MobileNet-V2框架，融合手工纹理与深度学习特征实现番茄叶片病害早期检

提出物联网集成LSTM与Bi-LSTM加权集成框架，实时预测温室微气候。

提出轻量级混合视觉网络MambaSeed，实现番茄等作物叶病高效识别。

提出基于纹理自适应模糊池化机制，提升CNN番茄成熟度分类性能。

中国农业科学院农业环境与可持续发展研究所设施植物环境工程创新团队以番茄为对象，构建知识与数据双驱动的尺度自适应时序卷积混合模型，根据番茄不同生育期动态调整时序特征提取尺度，结合机理模型合成数据预训练与生理阈值约束，实现番茄不同器官干物质及叶面积指数的精准预测；研究成果发表在Computers and Electronics in Agriculture；仅依靠常规温室环境数据即可无损估算生长态势，对推动温室智能环控、产量预测具重要应用价值。

提出CuFormer U-Net多任务网络，同时实现黄瓜叶病分类与病斑分割。