Hierarchical cross-modal spatiotemporal attention network for crop yield prediction in complex Himalayan agroecosystems
提出分层跨模态时空注意力网络HCM-STAN,融合多源农业数据预测喜马拉雅山区苹果产量。
浏览园艺作物相关政策、产业动态与研究。
提出分层跨模态时空注意力网络HCM-STAN,融合多源农业数据预测喜马拉雅山区苹果产量。
评估RGB与多光谱植被指数在亚马逊可可园的季节性兼容性,以低成本监测替代多光谱传感器。
用无人机RGB影像和深度学习对咖啡开花分级,实现早期产量预测。
基于景观指标与NDVI构建模型,对巴西塞拉多咖啡树生产潜力进行分级分类。
Comparison of NDVI obtained from an active proximal sensor and UAV multispectral imagery in coffee。Research Square
用LiDAR叶量指数追踪苹果园干旱遗留效应与冠层恢复。
提出融合无人机多光谱与语义分割的果树行识别与路径跟踪方法,实现植保机自主导航。
提出增强NightNet实现无人机夜间柑橘果实轻量检测。
提出APGI引导的三阶段12倍超分框架,从Sentinel-2影像重建塑料大棚结构并提升提取精度。
利用Sentinel-2遥感与机器学习识别青海湖鸟岛湖面温室气体浓度的影响因素。
开发基于AI的无人机系统,用无监督算法从航拍图像估算果树高度和冠层体积。
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。
融合无人机多源遥感特征与深度学习,高精度估算茶树生物量与氮素积累量。
融合多源遥感数据改进水云模型,实现柑橘园土壤水分和冠层含水量高精度反演。
综述遥感与机器学习在印度园艺作物精准管理中的应用,涵盖原理、方法、案例与挑战。