基于多模态时空对齐与因果利润建模的农业投入优化(MAION)
中国农业大学付正捷、张誉恒等于Sensors发表针对智慧农业投入优化的多模态网络MAION。该框架构建统一的'地块-时间窗'农业状态表示,通过跨模态时空对齐模块解决田间图像、气象环境、土壤状态和田间管理记录之间采样频率不一致、语义尺度异构问题;通过投入-产出因果利润建模模块评估不同投入行为对产量、成本和净利润的潜在影响;并以利润驱动的强化学习生成面向长期净收益最大化的投入策略。在产量、成本和净利润预测上RMSE分别为0.587、0.531和0.648,R2达0.914/0.891/0.883;经济决策中净收益改善17.68%,投入产出比1.71,显著优于随机森林、XGBoost、LSTM、GRU和Transformer等基线。