Artificial Intelligence-Based Crop Recommendation Using Soil and Climate Data: A Comprehensive Review of Machine Learning, Deep Learning, and Smart Agriculture Approaches
综述AI作物推荐研究，指出高准确率多源于数据与验证缺陷。
← 主题
作物推荐 智慧农业
AgriSphere: A Smart Agriculture Framework Integrating IoT and Artificial Intelligence for Adaptive Crop Selection
提出IoT与AI融合框架，结合实时土壤数据与天气预报推荐适宜作物。
Smart crop recommendation: fusing nutrient and climate data with Krill Herd Optimization and explainable AI
提出融合养分与气候数据、KHO优化和可解释AI的作物推荐框架，Tab Transformer精度达0
KRISHI.AI: an explainable machine learning framework for data-driven crop recommendation
提出可解释AI框架KRISHI.AI，基于土壤和气候数据推荐作物，并解释推荐原因。
International Research Journal on Advanced Engineering Hub (IRJAEH)·9月7日 · 周一40 分 论文智慧农业 / 农业物联网阅读 0
Ai Based Smart Crop Recommendation and Yield Prediction Using Ml and Weather Analytics
提出AI框架，结合机器学习与天气分析，推荐作物并预测产量。
International Journal of Artificial Intelligence and Machine Learning 2026, 6(9s): 1668-1689·9月5日 · 周六77 分 论文农业人工智能与决策模型阅读 0
IoT-Enabled Evidence-Fusing Graph Neural Network With Attention-Based Feature Engineering For Uncertainty-Aware Crop Recommendation（IJAIML Vol.6 No.9s 1668-1689）
提出IoT-AM-EFGNN框架，结合IoT传感与图神经网络实现高精度作物推荐。
International Journal of Creative and Open Research in Engineering and Management·9月5日 · 周六48 分 论文智慧农业 / 农业物联网阅读 0
An Integrated AI-Based Crop Prediction and Advisory Platform for Precision Agriculture
提出SmartCrop AI平台，集成机器学习预测、土壤评估、AI咨询和市场价格信息，辅助精准农业决
Smart Crop Recommendation System
提出智能作物推荐系统，结合AI与实时天气，推荐作物并检测病害。
Machine Learning Classification Techniques for Smart Agriculture: A Review of Disease Detection and Crop Recommendation (机器学习分类技术在智慧农业中的应用综述:病害检测与作物推荐)
Frontiers in Artificial Intelligence 2026年8月31日综述。研究对2023年1月至2026年1月Scopus、IEEE Xplore、ScienceDirect和SpringerLink数据库中的文章进行系统检索,使用IoT and machine learning and agriculture、crop recommendation、plant disease detection、precision farming等关键词组合,30篇文章符合实证方法、定量性能报告和清晰数据集描述的标准。结果表明,随机森林( Random Forest)、支持向量机(SVM)和决策树等集成方法与传统机器学习方法在作物产量预测中准确率达到99.9%;CNN和ResNet深度学习模型病害检测准确率超过98%;GRU和LSTM时间序列模型天气条件预测准确率范围94-98%。IoT系统在精准农业应用方面显著改善资源利用,实现60-96%的节水、25%的增产和36-38%的除草剂减量。