机器学习 作物 识别

综述AI在农业中的应用并提出多层智能农业系统框架。

综述机器学习与深度学习在作物产量预测和叶片病害检测中的应用与挑战。

构建县级多源数据融合的作物产量预测与决策支持系统，服务印度农民。

提出低成本地面农业机器人，结合YOLOv8病害检测与ESP32环境传感，用于作物监测与精准农业。

用文献计量与NLP分析598篇文献，梳理AI精准农业与资源效率研究结构。

综述非线性作物生长与生物量模型，提出适配小农系统的产量预测框架。

综述植物电信号从机制到应用的技术链，用于植物健康监测与精准农业。

综述AI赋能精准农业的传感、物联网、深度学习与决策支持，并提出参考架构。

综述2021-2026年AI驱动精准农业系统，提出气候韧性粮食生产工程框架。

融合无人机多源遥感特征与衍生特征，用机器学习估算冬小麦地上生物量。

融合Sentinel-1 SAR与Sentinel-2光学影像，用随机森林在GEE上绘制孟加拉国Bo

比较联邦学习客户端级稳定化技术，提升植物病害识别的鲁棒性。

评估生长季内天气变量时间聚合粒度对水稻产量机器学习模型预测与可解释性的影响。

构建基于AI/ML的Web农业决策支持平台，为农民提供作物推荐、病害检测、天气与市场价格等服务。

用文献计量分析2016-2026年枣椰树智慧农业研究，发现领域增长但碎片化、田间验证不足。

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。

用Sentinel-2多光谱数据证明作物标记模型可跨遗址迁移，且迁移性由光谱几何相似性决定。

综述智能施肥系统的技术、控制与通信方法，并指出研究空白与未来方向。

提出融合物联网、厘米级GNSS、多光谱遥感和AI的精准农业框架，构建作物数字孪生。

综述智慧农业与园艺在传感、机器人、分析及可控环境生产方面的进展，并批判性评估其证据质量。