玉米生产、育种、密植高产与复合种植
种子活力是种子质量与发芽潜力的关键指标,传统活力检测方法如四唑染色具有破坏性且需3-7天高强度人工操作,成为大规模播前筛选的关键瓶颈。本研究提出SeedFocusNet,集成浅层特征提取模块与基于Focal Loss的分类骨干网络,旨在增强对难以区分的高活力种子的识别。超参数通过Optuna框架结合贝叶斯优化在验证集上自动优化,ResNet50被选为最优架构。在测试集上对高活力种子识别的精确率达到74.39%,召回率达到54.46%。温室出苗实验进一步验证了SeedFocusNet筛选出的种子在同一品种内不同储藏时长下均表现出更高的出苗率。
为满足大豆-玉米带状复合种植中差异化施药需求,本研究开发了基于实时处方图解析、时空喷嘴匹配与延时补偿的带状变量喷药系统。使用ArcMap生成具有预定施药量级别的模拟处方图,基于高精度RTK-BDS定位建立田间坐标转换模型并结合SRAM预加载实现快速处方矩阵寻址;开发喷嘴空间位置预测模型与前向延时补偿控制算法,减少动态作业中由定位偏移、执行器响应滞后和液压延迟引起的边界错位。带状变量喷药试验中延时补偿后平均边界偏移由0.69米降至0.29米;大豆与玉米带不同施药量级下平均流量控制精度均超95%,流量变异系数均低于6%。
王毅、崔茜彤、王晨、熊宝伟、邵国敏、王琬莹、曹培、韩文霆(西安财经大学/西北农林科技大学/西安理工大学)针对传统玉米产量预测方法难以揭示变量间因果关系的问题,提出融合因果推断与机器学习的预测方法:基于遥感指数、气象数据、土壤剖面湿度和阶段性作物观测数据等多源异构信息,采用偏相关与瞬时条件独立算法系统分析玉米产量与各影响因子之间的因果关系,构建可解释的玉米产量预测模型。
Hagbe JTM、Gounou GK 与 Zimé SK 在 arXiv 提交预印本"Safety-Aware Cascaded Inference for Crop Damage Assessment with Controlled Error Trade-offs"（arXiv:2607.25468 [cs.CV]，2026-07-28提交）。针对基于图像的农业保险中漏检成本远高于误报的非对称代价结构，提出 CascadeCropNet 两阶段级联架构：通过阈值选择满足目标召回约束（Rec-Damaged ≥ 0.95），轻量 Sentinel 模型先做二分类健康分诊，超过损伤概率阈值 τ 的样本升级到专家 Expert 模型做精细诊断。在 Eyes on the Ground 数据集（肯尼亚小农户玉米田 23,804 张图像）上，τ=0.5 时 Rec-Damaged 达 0.974，相对单模型基线漏检减少最多54%。注：该方法可靠性取决于阈值与部署条件，并非任意分布漂移下的绝对保证。