农业大模型在田间地头的落地实践:伏羲大脑"佳家农"智慧农服平台案例研究
介绍伏羲大脑农业大模型在佳木斯农高区的落地实践,通过手机和卫星数据提供农事指导,服务超5.6万农户。
介绍伏羲大脑农业大模型在佳木斯农高区的落地实践,通过手机和卫星数据提供农事指导,服务超5.6万农户。
提出地表反射率校准方法,结合机器学习与双源像素分解,提高半干旱区玉米蒸散发估算精度。
通过数据同化整合卫星遥感与WOFOST模型,提高夏玉米产量估算精度。
比较NDVI与育种家目视选择在小麦育种早期穗行阶段的效果,发现NDVI选择可提高效率。
通过传感器、遥感和机器学习连续监测两年不同降雨下鳄梨的亏缺灌溉响应。
山东省农业科学院农业信息与经济研究所构建起一套天空地一体化的遥感数据采集处理体系。目标是实现县域2米、5天和省域10米、7天的高频立体监测;2024年开始耗时2年与中国科学院空天信息创新研究院、中国农业科学院等团队合作研发了一款面向县域的大型无人机。
新华社记者随活力中国调研行采访团走进黑龙江佳木斯国家农业高新技术产业示范区,佳家农智慧农服平台由佳木斯国家农高区联合中国科学院计算技术研究所打造,依托伏羲大脑农业大模型汇集卫星遥感、气象、土壤、作物长势、病虫害等多源数据;目前已服务农户超过6万户、覆盖耕地超过700万亩。
提出自适应特征学习与小波保持方法,用于无人机影像的森林冠层制图。
SMFS-RF: a knowledge-guided machine-learning method for crop phenology extraction from fine-resolution vegetation index data。Remote Sensing of Environment
结合地理空间与AI评估尼日利亚Wako灌区适宜性,划分灌溉分区。
提出CAFF-Net,用多源遥感数据耦合预测城市绿地和水体生态健康。
用无人机多光谱和VGG21深度学习检测小麦涝害并评估硅肥效果。
提出多模态融合网络DMP-UNet,利用无人机多光谱图像高精度监测小麦氮素水平。
综述遥感和AI在农林领域的先进技术及其应用。
提出结合Real-ESRGAN超分辨率和YOLO分割的农田边界提取框架,提升中分辨率卫星影像识别精度
提出 AgriTwin AI 框架,融合数字孪生与多模态可解释 AI,弥合农业数据与认知鸿沟。
Integrating proximal soil sensing and Sentinel-1/2 remote sensing for management zone delineation and monitoring of variable-rate nitrogen fertilization in winter barley。Smart Agricultural Technology
评估持续学习框架用于温室高光谱番茄细菌性斑点病冠层检测。
Physiology-Informed Hyperspectral Retrieval of Leaf Vcmax across Wheat and Maize。Smart Agricultural Technology
利用田间光谱和BP神经网络在马铃薯晚疫病症状出现前进行检测。