农业人工智能 边缘计算

提出边缘部署的温室串番茄采摘机器人，融合改进YOLOv8n检测与ROS分布式控制。

提出轻量混合架构SpatioFormer，提升复杂环境下农作物病虫害检测的空间感知能力。

提出基于边缘AI的宠物监测框架，用树莓派和YOLOv9识别兔子行为与环境。

提出基于神经细胞自动机的轻量单目深度估计模型，在嵌入式系统上实现实时推理。

提出共享序数-异常描述子场，实现树上库尔勒香梨实时分级。

提出轻量网络AgroVisNet与BD-PlantDX数据集，实现手机端作物病害高精度识别。

提出轻量YOLOv12n改进模型，实现复杂果园中多成熟期蓝莓的实时检测。

提出轻量卷积网络AgroVisNet及萝卜、马铃薯、葫芦病害诊断基准BD-PlantDX。

提出RAST-Net，用注意力自监督对比深度学习实现SAR图像实时去斑。

在ESP32微控制器上训练并部署轻量CNN多类图像分类模型，实现无云端的嵌入式视觉。

提出EdgeHatch，在边缘设备上用机器学习检测鸡蛋孵化阶段。

提出自适应AI决策支持系统，用轻量网络与特征优化实现精准农业实时图像分析与决策。

提出AgroInsect边缘-云混合AI架构，实现农田害虫精准检测与地统计插值。

提出轻量级火鸡重识别模型，提升密集圈舍中个体追踪精度并降低计算成本。

研究榴莲病害边缘检测系统的数据集泄漏与热关断问题，提出占空比调度方案。

提出轻量级作物病虫害识别网络MOIR-Net，结合多尺度重参数化与能量注意力，实现高效精准识别。

提出结合IoT、机器学习和边缘计算的智能灌溉系统，优化用水并提高作物产量。