Computers and Electronics in Agriculture·9月5日 · 周六论文农业人工智能与决策模型阅读 2
EOL-DQN: An intelligent cutting decision of potato seed tubers based on improved deep reinforcement learning
Xuyang Wang · Yun Liu · Tianshuo Su 等 7 人
Computers and Electronics in AgricultureDOI 10.1016/j.compag.2026.112372
论文解读
75精选
速览
提出EOL-DQN改进深度强化学习模型，用于马铃薯种薯切块智能决策。
方法
改进深度强化学习（DQN），结合视觉识别与决策模型。
发现
EOL-DQN能有效提高切块决策的准确性和效率。
机会点
可探索将强化学习应用于其他农产品加工或农业机器人操作，优化决策策略。
影响力15
信息增量20
专业深度18
信源权威14
时效性8
提出基于改进深度强化学习的马铃薯种薯切块决策方法，属于智慧农业细分领域的技术创新，对种业智能化有参考价值。
原文摘要
EOL-DQN：基于改进深度强化学习的马铃薯种薯智能切块决策。Computers and Electronics in Agriculture