Deep learning technique for rice leaf disease classification and severity level identification via Hybrid ResConvolutional Neural Network
提出混合Res卷积神经网络用于水稻叶部病害分类与严重度识别,结合物联网数据采集。
浏览大田作物相关政策、产业动态与研究。
提出混合Res卷积神经网络用于水稻叶部病害分类与严重度识别,结合物联网数据采集。
用田口-机器学习框架优化棉花种子电引发处理,提升种子性能。
提出波长感知的ViT-BandGate模型,利用多属性光谱成像检测山茶油掺假,实现高精度识别。
开发了IPM自评估工具ISAT,集成新的农药风险指标PL EU,比较作物保护情景的环境、健康和经济影
系统综述AI用于多尺度作物监测与大豆叶病诊断,提出FRI评估标准与报告协议。
比较六国AI驱动智慧农业对粮食安全的影响,发现数字基础设施和AI准备度是关键。
设计并田间验证了基于视觉的小麦播种分级压实强度控制系统。
提出EOL-DQN改进深度强化学习模型,用于马铃薯种薯切块智能决策。
用无人机多光谱和VGG21深度学习检测小麦涝害并评估硅肥效果。
开发了BioIMA桌面工具,实现生物图像表型标准化自动提取,无需训练模型。
研究沙特AI采用与粮食安全、水资源效率的动态关系,发现AI提升短期粮食安全与工业用水效率。
提出过程信息神经网络AgriPINN,嵌入作物生长方程,提升水分胁迫下生物量预测精度与可解释性。
提出物理-数据融合框架POSNH,用于花生冠层氮素含量遥感监测,降低样本依赖并提高泛化能力。
用离散元法研究大豆脱粒的相互作用机制并优化操作参数。
提出从逐帧检测到实例级跟踪的作物行感知方法,用于水稻田自主导航。
部署并评估了全季大豆农场的智慧农业智能体系统FAIRY,实现全流程农艺操作。
提出改进的Transformer-KAN模型,基于多时相遥感数据实现高精度、可迁移的大豆种植区制图。
综述高光谱成像在小麦病害检测中的应用,涵盖方法、挑战与未来方向。
Explainable Deep Learning-Based Potato Leaf Disease Detection and Severity Assessment for Smart Agriculture in Bangladesh。Research Square
比较Swin Transformer与手工特征BPNN在玉米水分胁迫RGB图像分类中的表现,两者均达