Detection of Apple Plant Diseases Using Leaf Images through Convolutional Neural Network
提出ResNet+GA+CNN混合模型,用苹果叶片图像检测病害并计算病斑面积占比。
提出ResNet+GA+CNN混合模型,用苹果叶片图像检测病害并计算病斑面积占比。
用Landsat与Sentinel-2影像和三种机器学习算法自动分类胡志明市不透水面并监测15年变化
比较RF、SVM、ANN、CNN在尼日利亚农业用地制图中的表现
提出EODFE-HPLULC框架,结合YOLOv12、EfficientNet-B5和深度信念网络实
提出图注意力-Mamba框架并用中华穿山甲算法优化,实现跨域植物病害识别与严重度估计。
通过文献综述与百家企业调查,提出中小企业AI营销分析采纳框架。
综述YOLO模型在无人机人道排雷中检测战争爆炸残留物的应用与局限。
构建ESP32物联网与CNN结合的植物病害检测及作物咨询系统。
A data-centric multi-modal ai framework for weed detection and classification in smart agriculture。Discover Applied Sciences
提出农业数字孪生框架,结合GRU与物联网实现实时产量预测与可持续决策支持。
用科学计量与BERTopic分析3262篇文献,揭示AI助力可持续发展目标的研究格局与主题演化。
提出基于边缘嵌入式控制器的AI智能灌溉系统,实现实时自适应灌溉调度。
构建融合IoT、大数据、AI与数字孪生的智能温室番茄种植数字化框架。
汇总《智慧农业》2026年多篇论文,涵盖蒸腾模拟、病害检测与产业链数字化。
中国农业大学学报2026年第10期集中刊发6篇论文,主题涵盖人工智能赋能质量农业、智慧林业、绿色发展
综述AI在植物病害检测中的应用,涵盖分类、检测、分割及早期诊断,并指出田间部署的瓶颈与新兴方向。
提出双臂协作采摘框架,单臂失败时另一臂辅助多视角感知并闭环修正抓取位姿。
综述图像处理从经典方法到深度学习的技术演进、应用与挑战。
提出融合机器学习、深度学习和物联网的智能农场系统,实现作物推荐与植物病害检测。
提出基于ESP32传感与两阶段机器学习的智能灌溉推荐系统,预测土壤湿度并推荐灌溉动作。