基于无人机多光谱图像和VGG21模型的小麦渍害调控效果识别方法

用无人机多传感器遥感结合AutoML预测冬小麦水分含量。

系统综述199项研究，梳理无人机遥感在水稻高通量表型分析中的应用进展与瓶颈。

中国农业大学土地科学与技术学院马韫韬教授团队围绕棉花关键生育时期的表型智能识别与量化分析，在 Computers and Electronics in Agriculture、Plant Phenomics 和 Precision Agriculture 等国际权威期刊上连续发表三篇研究论文，题目分别为 MS-R outperforms RGB: Lightweight CYOLO-BiCNet enables efficient detection and storage optimization of cotton flowers，Scalable phenotyping and yield estimation via stability index and single-plant variability using a vision-based large model framework 和 Assessing Cotton Boll-opening Concentration for Harvest Decision-making via Foundation Model-enhanced Cross-scale Phenotyping。

提出认知无人机农业监测框架，用时空学习和强化学习预测作物胁迫并优化灌溉。

提出改进生物神经网络，实现农业播种机全覆盖路径规划并避免重复播种。

提出几何感知网络Plant-GeoAT，实现3D植物点云器官身份解析与器官级表型分析。