农业AI与大模型

提出双注意力序列优化网络DASO-RiceNet，实现10类水稻病害与损伤的高精度分类。

用图像处理和CNN/SVM/逻辑回归对苏格兰帽椒进行好坏二分类质量分级。

提出优化机器学习框架，用土壤环境数据预测农艺参数并分类菠菜生长阶段。

结合GAN数据增强与随机森林，构建高精度作物产量预测模型。

对精准农业中深度学习杂草分类、检测与分割研究进行文献计量与综述分析。

综述AI在非洲医疗可及性挑战中的应用、成效与障碍。

本文探讨地理空间人工智能（GeoAI）如何推动印度数字治理与可持续发展。

用无人机多模态影像与基因型数据训练CNN，预测大豆八种种子成分。

用离散小波变换提取蛋壳图像多尺度空间特征，实现小样本高效数字表型。

提出IoT与AI融合框架，结合实时土壤数据与天气预报推荐适宜作物。

综述人工智能在地理学中的应用，涵盖GIS、遥感、城市规划、农业与环境监测等。

提出治理优先框架，整合AI与区块链提升园艺价值链可持续性与包容性。

综述光学传感驱动的设施作物高通量表型平台，涵盖传感器、平台架构与数据处理。

用MobileNetV2和DenseNet169对田间棉花与杂草图像做二分类，验证机器视觉除草可行性

UAV-based rice nitrogen status monitoring using machine learning and deep learning。Precision Agriculture

提出开源两阶段深度学习流程PetalSpot，实现花瓣病斑像素级量化。

综述AI赋能水产养殖工程系统，从感知、建模到部署架构的设计视角。

提出联邦迁移学习入侵检测方法，将流量转灰度图复用轻量视觉模型，实现农业物联网实时检测。

基于印度州级MODIS NDVI与机器学习比较作物产量预测，随机森林优于梯度提升。

系统综述遥感估产方法，分类传感器、平台、建模与机器学习，指出深度学习性能最优。