国家级科研机构在智慧种植领域提出知识数据双驱动模型，方法新颖、结论可靠，对温室作物精准管理有参考价值。
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提出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。成果发表在《Computers and Electronics in Agriculture》。
գйũҵѧԺũҵɳչоʩֲﻷ̴Ŷӹ֪ʶ˫ģͣʵҷĸ߾Ԥ⣬оɹڡũҵѧComputers and Electronics in Agricultureϡ
ܿƵĺǰᡣȻͳģͲȡѡޣģͳȱԼԤʧ档ˣںϻʱɣʵָ߾Ԥǹؼս
近日，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构建了知识与数据双驱动模型，实现温室番茄生长的高精度无损预测，研究成果发表在《农业计算机与电子学（Computers and Electronics in Agriculture）》上。科研团队提出一种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。
中国农科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联合荷兰瓦赫宁根大学,提出知识与数据双驱动的尺度自适应时序卷积混合模型(SATCN-Informer),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(TOMSIM)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精准预测。研究成果发表于《农业计算机与电子学》(Computers and Electronics in Agriculture)。
解析日光温室番茄全生育期环境特征并提出智能调控决策支持方法。
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。
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。
构建Cuc-HiSeg框架，实现温室黄瓜冠层点云高精度叶片实例分割。