Diag-STFN:全球收获前作物产量预测的诊断时空多模态融合网络——覆盖38国玉米29国小麦(Ecological Informatics 2026)
提出诊断式时空多模态融合网络Diag-STFN,实现全球收获前玉米小麦产量预测。
提出诊断式时空多模态融合网络Diag-STFN,实现全球收获前玉米小麦产量预测。
提出PB-DETR框架,实现群养生猪多行为识别,mAP达0.893。
开发基于RGB图像处理的生菜尺寸估计软件,用于选择性采收决策。
研究印尼Sleman农村妇女农民小组如何通过战略创新推动可持续农业。
提出SCR-XGB五层框架,用梯度提升树集成从土壤和气候参数推荐作物。
结合卫星数据与机器学习改进毛里塔尼亚实时GDP预测。
构建马来西亚地表水质机器学习框架,融合多源环境数据实现分类、预测与污染事件检测。
通过RNA-seq、WGCNA和XGBoost-SHAP分析,鉴定小麦根和茎中响应干旱的候选基因。
构建可复现工作流,用气候变量与机器学习分类蜂蜜产量。
用收割机传送带RGB-D视频估计蓝莓流量与质量,并公开数据集和模型。
提出防泄漏、校准且可解释的深度学习框架,用于稳健的杏仁病害分类。
提出端到端视觉运动控制器,用仿真合成数据训练,零样本迁移到真实果园完成修剪。
系统阐述具身智能驱动的农业机器人技术体系,提出五位一体研究框架。
设计设施番茄智能采摘平台,融合改进YOLO v5与HSV实现识别定位与采摘。
系统综述129篇2020-2026年文献,梳理精准农业作物推荐的方法、趋势与挑战。
基于25年试验分析马铃薯早疫病发病时间与产量损失,提出可减少约50%杀菌剂用量的精准喷施策略。
提出图协同过滤框架,将玉米品种适种区评估转化为排序任务,推荐适宜种植地点。
研究尼日利亚小农户农场预算与毛利分析作为推广工具对商业化农业参与的影响。
提出YieldVision决策支持系统,用RF、LSTM及混合模型预测作物产量并部署应用。
基于Landsat影像与机器学习分析印度哥印拜陀市2001-2023年城市扩张及其环境效应。