Calibration-Shift Inference for Computer Vision Agriculture Yield Models Under Retrofit Sensor Replacement: An Artificial Intelligence Post-Deployment Recalibration Guarantee
提出改造传感器替换后视觉产量模型校准漂移的检测与置信区间保证方法。
提出改造传感器替换后视觉产量模型校准漂移的检测与置信区间保证方法。
推导卫星云掩膜缺口下反事实解释可靠性的理论界,并评估其对合作社储粮决策的影响。
研究不同品种和生育期下无人机NDVI与马铃薯产量的关系差异。
构建多模态回归学习框架,融合气候、遥感与作物因子,实现水稻产量连续预测。
用机载多光谱传感器评估菜豆产量构成与植被指数的关系。
评估17份豌豆种质与7个加拿大品种在爱荷华的表现,并用无人机时间序列表型关联产量。
开发深度学习模型在真实田间条件下检测并分类肯特芒果为三个出口等级,实现产量估计。
提出分层跨模态时空注意力网络HCM-STAN,融合多源农业数据预测喜马拉雅山区苹果产量。
基于CropIntel数据集,用15+种机器学习算法实现作物分类、灌溉需求预测与产量潜力预测。
评估Sentinel-2 NDVI与苹果园产量的关系,发现仅单一品种同龄地块存在可靠相关。
Smart agriculture improves nitrogen use efficiency yield prediction and sustainability in dryland mixed crop livestock systems。Discover Agriculture
系统综述2020—2026年玉米精准农业技术、应用与产量优化研究。
比较XGBoost、LightGBM和CatBoost在作物产量可解释建模中的表现,强调评估协议与数
结合遥感植被指数与机器学习,预测尼日尔萨赫勒四地区2010–2025年水稻产量。
研究不同训练-测试数据划分比例对无人机多光谱小麦产量预测的影响,发现可降低训练比例。
用无人机RGB影像和深度学习对咖啡开花分级,实现早期产量预测。
用1990–2025年气候数据与机器学习模型预测哈萨克斯坦北部小麦产量。
融合计算机视觉与机器学习,实现高粱病害严重度评估与产量预测。
结合Sentinel-2 NDVI与气候变量,构建多元模型预测米尔-穆甘地区棉花产量。
提出利用日光诱导叶绿素荧光(SIF)遥感构建下一代农田作物管理观测策略。
提出农学知情框架,结合最优物候期与密度产量制图,实现跨季节可迁移的产量预测。
评估春小麦育种品系产量模型在未参与训练品系上的跨季预测能力。
提出多分支AI模型MBF-HybridNet,融合遥感、气象与土壤数据,提前一月预测冬小麦产量。
提出诊断式时空多模态融合网络Diag-STFN,实现全球收获前玉米小麦产量预测。
构建可复现工作流,用气候变量与机器学习分类蜂蜜产量。
提出YieldVision决策支持系统,用RF、LSTM及混合模型预测作物产量并部署应用。
用Sentinel 2A与Landsat 8的NDVI回归模型预测孟加拉国玉米产量并比较精度。
An integrated IoT and machine learning framework for maize yield prediction and smart agriculture in Tanzania。Cogent Food & Agriculture
综述设施蔬菜生物量与产量无损感知与建模研究进展。
提出TSAFI-DT数字孪生框架,用贝叶斯优化XGBoost预测印度花生产量并做反事实情景分析。
用无人机与近地多光谱传感器评估有芒/无芒小麦产量与品质,比较不同生育期和年份的植被指数关系。
系统综述AI在可持续农业中的应用,分析生产力与可持续性影响及推广障碍。
提出知识引导的深度学习框架AgroEvoDeep-Yield,实现玉米逐日产量形成的可解释模拟与持续
结合GAN数据增强与随机森林,构建高精度作物产量预测模型。
评估三种机器学习模型在厄瓜多尔农场级玉米产量预测中的空间可迁移性。
基于中国南方多环境水稻数据,评估机器学习产量预测在不同部署场景下的真实精度。
提出分层跨模态时空注意力网络,融合多源数据预测喜马拉雅果园作物产量。
提出基于无人机多光谱的源端性状中介框架,实现玉米动态产量预测。
结合迁移学习与SCOPE模型,利用不同空间尺度光谱数据预测玉米产量。
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。
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。
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
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。
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。
提出Diag-STFN网络,用于全球收获前玉米和小麦产量预测,在CY-Bench基准上取得最优性能。
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。