全部动态

提出LMTPI自动深度学习框架，用于田间表土团聚体粒径的微观检测，提高效率和精度。

A map-based decision-support framework for variable-depth seeding of fodder maize integrating proximal soil sensing and multi-temporal satellite NDVI data。Precision Agriculture

评估遥感模型在不同水稻基因型间的可转移性，用于氮肥监测和产量预测。

整合土壤与冠层传感技术，绘制酸樱桃园地块内变异图，评估其用于管理决策的可靠性。

用无人机图像修复残膜遮挡并预测卷曲程度，评估棉田残膜污染。

研究高速离心式玉米排种器充种与回种的协同机理，基于耦合数值模拟。

结合DINOv3与YOLO26提升蔬菜田间作物与杂草检测精度，助力精准除草。

提出Swin-SPVDNet混合CNN-Transformer网络，实现甘薯病毒病轻量级实时检测。

提出FusFormer，一种基于Transformer的高效语义分割方法，用于嫁接切割点定位。

提出迁移学习与多分支中间融合深度网络，利用多尺度多模态遥感监测小麦氮浓度。

综述AI与数字传感在土壤结构多尺度观测到决策中的应用。

研究薰衣草对不同触觉刺激的电生理反应，实现高精度分类，探索植物触觉传感。

受生物关节启发的电磁仿生藤蔓杀灭机构，通过仿真与实验验证其性能。

提出深度学习框架，非侵入性量化活体肉鸡翅膀和脚部表型。

提出异构拖拉机车队调度框架，应对作业扰动，以植保作业为例验证。

提出不确定性引导的双重蒸馏方法，实现鱼类摄食强度声学识别中的物种增量学习。

提出基于绿蓝通道特征增强的水稻幼苗光水胁迫诊断方法。

MDPI AgriEngineering 2026, 8(6), 249。精准农业越来越依赖应用于无人机(UAV)采集的高分辨率数据的机器学习来支持作物监测、胁迫检测和产量预测。本综述提出了无人机赋能精准农业机器学习方法的结构化综述,在一个由感知模态、数据类型、模型家族和分析任务四个维度定义的统一分类法中组织100多项同行评议研究。该分类法能够在RGB、多光谱、高光谱、LiDAR和IoT数据源之间进行系统比较,并在经典机器学习、深度学习、混合顺序模型和新兴基于Transformer的架构之间进行系统比较。分析建模选择如何与数据特征相互作用以影响鲁棒性、跨环境泛化、计算效率和UAV及边缘平台上的部署可行性。识别新兴研究方向,包括数据高效学习、表示级多模态融合、域自适应、轻量级架构和不确定性感知决策支持。

Frontiers in Conservation Science发表的气候智能型农业(CSA)系统综述。CSA为应对气候变化提供改善农业生产力、恢复力与碳固存的途径。文献检索自Web of Science与Scopus数据库,检索遵循PRISMA指南直至2026年3月,并通过混合方法评价工具(MMAT)进行质量评价。随后,研究采用理论-情境-方法(TCM)与前置因素-决策-结果(ADO)框架对文献进行文献计量分析,以映射CSA文献中的主题演变与关键研究问题。结果显示CSA研究正在快速扩展,碳固存、再生农业与低排放农业已形成明确的主题集群。CSA在粮食安全、农场收入与产量方面持续表现出效益,并有助于多项可持续发展目标(SDGs)。

Frontiers in Sustainable Food Systems发表的新研究,第一作者Hao Li来自信阳师范大学商学院。研究使用中国285个城市十年数据,深入探讨数字工具——从精准农业应用到基于区块链的供应链追踪——如何加强粮食工业链。研究发现,数字化不仅提高生产力;它从根本上重塑粮食从农场到餐桌的流动方式。研究将韧性分解为三个核心组成部分:抗性(系统承受冲击的能力)、恢复(系统反弹速度)和转型(系统进化能力)。数字工具通过优化资源配置(如AI驱动的灌溉系统减少水浪费)和促进产业协同(农民、加工商和分销商共享实时数据)改善所有这三个方面。