中国农业大学信电学院余强教授团队:面向田间工况的电动拖拉机混合储能系统分层自适应能量管理策略
提出面向田间工况的电动拖拉机混合储能分层自适应能量管理策略。
浏览大田作物相关政策、产业动态与研究。
提出面向田间工况的电动拖拉机混合储能分层自适应能量管理策略。
用MODIS NDVI与四种回归模型预测印度各邦作物产量,并做全国尺度验证。
用提示引导的视觉语言模型对野生稻米粒进行检测,并给出基于证据的推理。
提出融合级联神经网络与鲁棒跟踪的视觉方法,测量饲用玉米留茬高度。
在第三十二届全国大豆科研生产研讨会上,安徽农业大学大豆智能设计育种创新团队联合中国农业科学院作物科学研究所共同研发的大豆领域垂直大模型"丰菽"2.0正式发布。该模型集成豆百科、豆分子、豆文献、豆病害、豆表型、豆育种六大功能模块,汇聚大豆核心种质资源、基因组、表型影像、科研文本等多源数据,构建"多源验证—智能融合—可信输出"的知识技术架构。科研人员用手机拍摄大豆叶片即可进行病害诊断与表型特征提取,实现"随拍随诊"。
9月8日农业农村部信息中心主任、党委书记王小兵赴四川仪陇专题调研智慧农业发展与人工智能赋能农事服务中心建设。王小兵指出,仪陇基层农事服务阵地基础扎实、体系完善,具备打造丘陵山区智慧农业示范样板的良好条件,要紧扣农业生产全链条,聚焦水稻关键生产环节推动数字技术、人工智能与农事作业深度融合,打造可复制可推广的丘陵山区智慧农事服务示范标杆。
提出防泄漏、可靠性导向的水稻叶病诊断深度学习框架,并系统评估其泛化与部署表现。
用气候与遥感数据构建机器学习模型预测尼日利亚北部玉米草地贪夜蛾暴发。
结合迁移学习与SCOPE模型,利用不同空间尺度光谱数据预测玉米产量。
提出BO-TCBDA深度学习框架,融合多源遥感数据估算冬小麦产量,兼具高精度与可解释性。
提出知识引导的深度学习模型,提高水稻地上生物量估算精度。
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。