A Novel Data-Driven Framework for Stubble Burning Detection Using NASA FIRMS and Machine Learning
提出基于NASA FIRMS与机器学习的数据驱动框架，用于检测秸秆焚烧。
← 主题
农业人工智能 机器学习
同时包含 农业人工智能、机器学习 的农业资讯，共 25 条。
Advanced olive leaf area prediction using machine learning methods
用机器学习基于叶长宽非破坏性预测30个橄榄品种叶面积，PSO优化ANN精度最高。
Application of Remote Sensing and Machine Learning in Sustainable Agriculture
综述遥感与机器学习在可持续农业中的应用现状与前景。
Effects of Noise on the Accuracy of Estimating Rootzone Total Soil Moisture Using a Non‐Linear Autoregressive Exogenous Machine Learning Model for Precision Agriculture
该论文评估了测量噪声对NARX机器学习模型估算根区土壤水分动态精度的影响。
International Journal of Computer Science and Artificial Intelligence·9月14日 · 周一0 分 论文农业人工智能与决策模型阅读 0
Artificial Intelligence, Machine Learning, and Deep Learning Concepts, Methods, and Real-World Impact
系统综述AI、机器学习与深度学习的概念、方法、应用及伦理挑战。
Hierarchical spectral ensemble with physics-informed augmentation for global water quality retrieval from hyperspectral remote sensing
提出分层光谱集成模型HSE，从高光谱遥感反射率中全球尺度反演四种水质参数。
An optimized machine learning approach for reliable agronomic parameter prediction in precision farming systems
提出优化机器学习框架，用土壤环境数据预测农艺参数并分类菠菜生长阶段。
MDPI Remote Sensing 18(18):3107 MODIS NDVI与机器学习作物产量预测比较研究
基于印度州级MODIS NDVI与机器学习比较作物产量预测，随机森林优于梯度提升。
《基于遥感的农作物产量估算综述:机器学习技术及环境、算法和硬件限制》
系统综述遥感估产方法，分类传感器、平台、建模与机器学习，指出深度学习性能最优。
Crop Yield Estimation with MODIS Derived Normalized Difference Vegetation Index and Comparative Study on Crop Yield Prediction Among Linear Regression, Random Forest and Gradient Boosting as Well as CatBoost
用MODIS NDVI与四种回归模型预测印度各邦作物产量，并做全国尺度验证。
Comparative evaluation of classical machine learning and deep learning models for early weed detection in precision agriculture
对比经典机器学习与深度学习模型在精准农业早期杂草检测中的性能。
Hydrochemistry and modeling nitrate concentration in farmland groundwater under different hydrological seasons by integrating hybrid quantum-classical ML, virtual sample generation and AlphaEarth Foundation
提出集成混合量子-经典机器学习、虚拟样本生成和遥感基础模型的框架，预测雄安农田地下水硝酸盐浓度。
APPLICATION OF ARTIFICIAL INTELLIGENCE IN SOIL FERTILITY ASSESSMENT AND CROP YIELD PREDICTION IN SOUTHWEST NIGERIA: A STATISTICAL APPROACH
研究AI在尼日利亚西南部土壤肥力评估和作物产量预测中的应用，发现随机森林模型表现最佳。
Prediction of lactation milk yields using machine learning based on milk production data and reproduction performance indicators
用机器学习基于生产和繁殖数据预测奶牛总泌乳量，Extra Trees表现最佳。
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 for Research in Applied Science and Engineering Technology·9月3日 · 周四49 分 论文农业遥感与作物表型阅读 0
Random Forest-Based Groundwater Potential Zone Mapping in Latur District, Maharashtra, India
利用随机森林结合遥感与GIS绘制印度Latur地区地下水潜力图。
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。
A dictionary-based method for crop yield prediction using satellite remote sensing data
提出基于HYDRA字典方法的机器学习框架，结合物候特征预测玉米产量。
Machine Learning-Based Crop Yield Forecasting Using Environmental and Agricultural Parameters
用机器学习集成方法预测作物产量，比较七种回归算法，发现Bagging效果最佳。
Machine-Learning Surrogate Modeling of SOC and N2O Responses to Diversified Crop Rotations in the Texas High Plains
用机器学习代理模型预测多样化轮作对SOC和N2O的影响，识别气候智能管理区域。
A machine learning model for estimating tree age based on trunk radius and radial growth rate
提出基于树干半径和径向生长率的机器学习模型，实现多树种年龄估算。
International Journal of Computer Information Systems and Industrial Management Applications·8月30日 · 周日73 分 论文农业人工智能与决策模型阅读 0
Explainable Machine Learning for Simultaneous Prediction of Soil Texture and Gravimetric Water Content: A SHAP-Driven Multi-Model Framework
提出可解释机器学习框架，同时预测土壤质地和含水量，提升模型透明度和可信度。
Remote Sensing and Machine Learning for Futuristic Horticulture: A Comprehensive Review
综述遥感与机器学习在印度园艺作物精准管理中的应用，涵盖原理、方法、案例与挑战。
Machine Learning-based Predictive Modelling of Seed Mass and Terminal Velocity through Physical and Morphological Characteristics of Selected Seeds
用机器学习预测种子质量和终速，基于形态特征，为气力式排种器设计提供支持。
A Taxonomy of Machine Learning for UAV-Enabled Precision Agriculture: A Structured Survey (面向无人机赋能精准农业的机器学习方法分类:结构化综述)
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。