数字农业与前沿技术

综述AI在植物病害检测中的应用，涵盖分类、检测、分割及早期诊断，并指出田间部署的瓶颈与新兴方向。

综述图像处理从经典方法到深度学习的技术演进、应用与挑战。

提出融合机器学习、深度学习和物联网的智能农场系统，实现作物推荐与植物病害检测。

农民日报全媒体记者李克欣对话中国社科院杜志雄、中国农业大学李想、雄安集团孔德栋三位专家。专家指出当前我国智慧农业正从早期试点示范迈向规模化、体系化推广应用新阶段，人工智能赋能农业的关键技术包括机器学习与深度学习、计算机视觉与智能感知（如200万张高清图像训练的AI作物表型模型识别精度达95%以上）、农业大模型（如中化iMAP节约水肥10%~20%、增产8%~10%）和智能农机与农业机器人（如土壤高通量检测机器人实现42项指标检测误差控制在5%以内）。

提出FARX(1)函数自回归模型，以电力需求为外生变量预测日气温曲线。

系统综述2020-2026年计算机视觉与深度学习在番茄设施栽培虫害检测中的研究。

基于二手数据综述AI在印度农业中提升产量与可持续性的应用及障碍。

在卢旺达四区采集四种主粮作物的GPS标注地块数据集，支撑GeoAI作物监测。

用无人机RGB影像和深度学习对咖啡开花分级，实现早期产量预测。

设计并验证了基于ESP32与随机森林的物联网闭环灌溉系统，实现植物胁迫自动诊断。

提出TinyML边缘推理与超低功耗唤醒接收机集成的土壤监测系统，实现事件驱动异步监测。

系统综述2024-2026年198篇无人机与物联网农业应用文献，划分七类技术方向并指出发展瓶颈。

系统综述2024-2026年198篇无人机与物联网农业应用文献，划分七类技术方向并指出发展重点。

综述数字技术在印度农业综合企业中的应用，探讨迈向智慧可持续食品系统的路径。

提出LLM-模糊决策与数字孪生框架，用于自适应农业机器人协同决策。

系统综述智慧农业机器人、传感、AI、数据集与评估指标，指出落地瓶颈并展望方向。

综述AI、物联网与数字孪生融合的可持续性智能，提出七层SIF框架。

提出RDA-YOLO与SAM2协同感知框架，实现青枣采摘点定位与姿态分析。

用1990–2025年气候数据与机器学习模型预测哈萨克斯坦北部小麦产量。

提出WeedNet基础模型，实现全球杂草物种识别与区域微调。