A comprehensive review of deep learning methods for weed classification in precision agriculture
综述2018-2025年深度学习杂草分类方法,分析技术瓶颈并给出改进建议。
人工智能算法、大模型与决策支持系统
综述2018-2025年深度学习杂草分类方法,分析技术瓶颈并给出改进建议。
综述生物声学传感与信号处理进展,涵盖医疗、生态与农业应用。
提出一套无人机高光谱结合AI的干旱区土壤有机碳制图标准化试点方案。
构建规则驱动农业景观功能分区指数,并用多模态融合深度学习实现自动预测。
综述深度学习多源遥感图像融合方法、挑战与未来方向。
提出CNN-Transformer-LSTM混合框架,实现棉花叶片病害自动识别。
用CNN对植物叶片病害进行自动识别,在基准数据集上取得92%准确率。
揭示AI并非云端无形,而是依赖电力、水和关键矿产的实体基础设施,并以印度为例探讨可持续创新。
开发实时AI农业机器人,集成植物病害检测与地理参考土壤湿度分析。
提出基于堆叠集成学习的灌溉泵ON/OFF预测框架,用物联网传感器数据实现智能灌溉控制。
提出量子启发多目标优化网络Q-AQUAOptNet,实现水产养殖水质实时预测。
提出基于YOLOv8-MHSA与SAM的网页系统,实现苹果叶片病害多感染阶段实时检测与分级。
Field-scale prediction and spatial mapping of tractor tractive efficiency in tillage operations using machine learning。Precision Agriculture
提出多教师在线自适应与多模态增强框架,提升作物病害实时检测模型在动态环境下的鲁棒性。
综述无人机遥感在作物倒伏监测中的技术流程、传感器与分析模型。
安徽农业大学团队发布跨物种基因-表型预测深度学习工具Crop-GPA 2.0,并在水稻、玉米、小麦中
用深度学习结合大规模环境数据预测县域大豆产量,并对比多种网络架构与传统模型。
用无人机多传感器遥感结合AutoML预测冬小麦水分含量。
用高光谱成像结合预处理与机器学习,对番茄叶片氮素水平进行分类。
用机器学习基于叶长宽非破坏性预测30个橄榄品种叶面积,PSO优化ANN精度最高。