设施园艺与植物工厂

提出物联网集成LSTM与Bi-LSTM加权集成框架，实时预测温室微气候。

集成物联网与计算机视觉的智能温室系统，实现非破坏性植物生长监测与远程管控。

中国农业科学院农业环境与可持续发展研究所设施植物环境工程创新团队以番茄为对象，构建知识与数据双驱动的尺度自适应时序卷积混合模型，根据番茄不同生育期动态调整时序特征提取尺度，结合机理模型合成数据预训练与生理阈值约束，实现番茄不同器官干物质及叶面积指数的精准预测；研究成果发表在Computers and Electronics in Agriculture；仅依靠常规温室环境数据即可无损估算生长态势，对推动温室智能环控、产量预测具重要应用价值。

提出MLP-ANN预测温室微气候并驱动自适应模糊控制器，实现预测性智能灌溉。

中国农业科学院农业环境与可持续发展研究所设施植物环境工程创新团队提出知识与数据双驱动的尺度自适应时序卷积混合模型，根据番茄不同生育期动态调整时序特征提取尺度，结合机理模型合成数据预训练与生理阈值约束，实现番茄不同器官干物质及叶面积指数的精准预测。成果发表在《Computers and Electronics in Agriculture》。

在固定总光照积分下，用模型优化垂直农业中动态光子分配以最大化生物量。

近日，中国农业科学院农业环境与可持续发展研究所设施植物环境工程创新团队构建了知识与数据双驱动模型，实现温室番茄生长的高精度无损预测，研究成果发表在《农业计算机与电子学（Computers and Electronics in Agriculture）》上。科研团队提出一种尺度自适应时序卷积混合模型，根据番茄不同生育期动态调整时序特征提取尺度，结合机理模型合成数据预训练与生理阈值约束，实现番茄不同器官干物质及叶面积指数的精准预测。

综述大语言模型在动物科学中的应用、风险与负责任使用路径。

提出轻量模型TB-YOLOv8n，在植物工厂LED光下检测小白菜干烧心。

为斯里兰卡温室农户开发基于机器学习的决策支持系统，预测螨害并优化作物管理。

基于YOLO11改进，实现温室辣椒花精准检测。

发表于智慧农业(中英文)2026年第4期。研究阐述云边端协同技术在大田种植、设施园艺和畜牧养殖等典型农业场景中的应用模式与协同机制，综合分析边缘智能调度、语义互操作与可信协同等国内外研究进展。

构建Cuc-HiSeg框架，实现温室黄瓜冠层点云高精度叶片实例分割。

中国农科院农业环境与可持续发展研究所设施植物环境工程创新团队联合荷兰瓦赫宁根大学,提出知识与数据双驱动的尺度自适应时序卷积混合模型(SATCN-Informer),根据番茄不同生育期动态调整时序特征提取尺度,结合机理模型(TOMSIM)合成数据预训练与生理阈值约束,实现番茄不同器官干物质及叶面积指数精准预测。研究成果发表于《农业计算机与电子学》(Computers and Electronics in Agriculture)。

评估持续学习框架用于温室高光谱番茄细菌性斑点病冠层检测。

提出ERG-Mask模型，用于温室鲜食葡萄串的实例分割，提升边缘与区域协同精度。