HyBEAR: a hyperspectral benchmark for bare soil detection
提出HyBEAR高光谱航空影像基准数据集，用于整田块裸土检测。
← 主题
#高光谱
Pixel-level high-throughput estimation of crop photosynthetic phenotyping parameters using a multi-task deep learning framework
提出像素级多任务深度学习框架，从高光谱数据高通量估算作物光合表型参数。
Generation of representative datasets of future Copernicus Sentinel Expansion Mission Data (hyperspectral, thermal and L-band) as basis for innovative agricultural products
生成CHIME高光谱、LSTM热红外和ROSE-L L波段模拟数据集，为未来Sentinel扩展任务
Exploring the discrimination of pasture degradation in the Brazilian Cerrado using multitemporal EnMAP hyperspectral data and HLS phenometrics
利用多时相EnMAP高光谱与HLS物候特征区分巴西塞拉多牧场退化。
Field-level spectral support auditing of legacy land-use inventories using PRISMA hyperspectral data
利用PRISMA高光谱数据对历史土地利用清单进行田间尺度光谱支持审计。
Hyperspectral multi-indicator ripeness perception model for mechanized harvesting of “Yulu Xiang” pears
构建高光谱多指标成熟度感知模型，用于玉露香梨机械化采摘。
基于UAV与地面高光谱的杜兰小麦氮肥分施策略评价
设置7组氮肥分施处理,对地面高光谱与UAV多光谱协同监测进行评估;N3分施方案在拔节期UAV-NDVI与籽粒产量相关性最强(r=0.717,p<0.01),实现产量最大化与叶养分动态同步。
GCT-BCLN 水稻种子活力双向闭环高光谱无损检测网络(Frontiers in Plant Science 2026-08-17)
提出GCT-BCLN(GCT双向闭环网络):基于高光谱成像技术的水稻种子活力无损检测方法。该方法结合图卷积与Transformer构建双向闭环特征提取机制,可同时捕获高光谱图像的空间-光谱联合特征,在水稻种子活力分级任务上较传统检测方法准确率与效率均显著提升。研究为种子质检、储藏与播种前的活力快速评估提供新工具。
可解释集成学习框架助力农产品产地可信溯源——以中国六个区域猕猴桃为对象
中国农业科学院农业资源与农业区划研究所智慧农业团队在光谱数据建模的可解释方法研究上取得重要进展。该研究以中国六个区域的猕猴桃为对象，结合高光谱技术和集成学习方法构建猕猴桃产地溯源模型，并利用可解释性人工智能方法对最优的溯源集成模型进行分层和整体解释，在提高产地溯源准确率的同时，深入理解光谱数据背后预测农产品产地的逻辑。博士生李佳利为第一作者，钱建平研究员和吴文斌研究员担任共同通讯作者。论文链接：https://doi.org/10.1016/j.aiia.2026.05.010