Efficient and explainable attention-based multitask learning for fruit type, ripeness, and disease classification
提出轻量多任务模型,同时分类水果种类、成熟度和病害,并具可解释性。
提出轻量多任务模型,同时分类水果种类、成熟度和病害,并具可解释性。
提出可解释多指数规则框架,用Sentinel-2提取旱季建成区,性能优于机器学习。
开发Dira App,用机器学习与AI助手为坦桑尼亚学生和毕业生提供职业与就业决策支持。
研究荚蒾果提取物对胺碘酮致大鼠肝肾毒性的保护作用。
An Automata-Driven Cognitive Explainable Artificial Intelligence Framework for Climate-Adaptive Precision Agriculture and Environmental Sustainability。Cureus Journal of Computer Science.
综述智能播种技术装备从多功能集成到农业智能体的四阶段演进及瓶颈。
提出农学知情框架,结合最优物候期与密度产量制图,实现跨季节可迁移的产量预测。
Soil physical data integration in commercial precision agriculture platforms: barriers to compaction-relevant decision support。OpenAlex
提出轻量级CNN-LSTM混合网络,用于豆叶病害分类,兼顾高精度与低资源占用。
综述土壤养分动态预测的统计与机器学习方法,比较精度与局限。
利用人工智能进行土壤制图和肥料优化,以支持精准农业。
构建知识图谱专家系统,自动核验茶叶农药残留合规并优化检测方法选择。
提出基于模型的农田排水设计优化框架,比较正交设计与代理辅助进化优化。
系统映射181项研究,梳理农业代理式AI的架构、应用、挑战与未来方向。
构建匈牙利全国六深度土壤水分-电磁代理数据库,支持根区水文地球物理监测。
用机器学习与遥感分析印度库鲁区1991-2022年土地利用变化及其对地表温度的影响。
提出PCA深度特征优化框架,用ViT+SVM分类橙子病害,准确率达99.12%。
开发AI集成框架,耦合经济与生物物理模型评估农业供应链韧性。
提出MDA-HI框架,融合过程模型与混合智能,用于作物生长与产量预测。
提出多分支AI模型MBF-HybridNet,融合遥感、气象与土壤数据,提前一月预测冬小麦产量。