Soil intrinsic penetration (SIP) index: decoupling environmental noise from mechanical resistance to improve soybean yield prediction
提出土壤固有穿透指数SIP，剔除水分等环境噪声，提升大豆产量预测精度。
大豆与油料
大豆、油菜、花生、向日葵、芝麻等油料与蛋白作物
技术筛选 · 已选 1 项
7 篇内容清除全部筛选
Precision agriculture reveals crop-yield footprints associated with distance to natural-seminatural habitats
利用精准农业产量数据揭示向日葵产量随距自然半自然生境距离变化的非线性关系。
YOLOv8-MST: a lightweight and efficient real-time detection and counting deep learning algorithm for double-grain peanut seeding
提出YOLOv8-MST轻量算法，实现双粒花生播种实时检测与计数。
Development and evaluation of a chain-groove lateral seedling feeding device based on modular stepping misalignment for multi-row transplanting of rapeseed bare-root seedlings
研发并评估链槽式侧向供苗装置，实现油菜裸根苗多行移栽的模块化步进错位供苗。
Development of an Adaptive Sprayer Control System for UAV-Based Spot Spraying in Soybean（基于植被覆盖率的自适应无人机大豆点喷控制系统研发）
研发基于冠层覆盖率的无人机自适应点喷系统，实现大豆田间精准除草。
UAV-Based Classification of Crop Phenological Stages Using Deep Learning(MDPI Drones 2026-08-17)
基于低空UAV RGB影像的作物物候期深度学习自动分类研究。利用11,489张向日葵、油菜、大豆、小麦和大麦图像,基于BBCH量表标注,采用预训练ResNet18通过迁移学习适应任务。两阶段训练:先冻结骨干优化分类头,再微调整个网络。油菜和大麦测试准确率100%,其他作物均超过99%,平均准确率达99.73%。结果支持低空UAV影像与深度学习在精准农业中选择性区域物候评估的潜力,但广泛部署需要跨独立田块、季节、地区和调查条件的验证。
Towards Smart Agricultural Water–Nitrogen Management: A Multi-Criteria Decision Framework for Rapeseed Production in Southwest China Using EWM-TOPSIS Model
针对中国西南油菜水氮利用效率低、智能水肥装备落地难的问题,基于两季田间试验(2 个灌溉水平 ×3 个施氮水平 + 雨养对照)耦合 EWM-TOPSIS 多准则评价模型。结果显示 W2F2 处理(100% ETc 灌溉 + 300 kg N/ha)在两季分别提升叶片光合速率 51.2% 和 50.8%,在 EWM-TOPSIS 综合评价中两季均居首(S1 季贴近度 0.742,S2 季 0.650),在产量、品质、资源利用与经济效益间达到最优平衡。研究为西南丘陵油菜智能水肥装备应用提供了基于作物生理响应的决策优化框架。