人工智能算法、大模型与决策支持系统
系统综述2016-2026年24项作物推荐研究，比较四类机器学习方法并指出基准精度已趋饱和。
通过RNA-seq、WGCNA和XGBoost-SHAP分析，鉴定小麦根和茎中响应干旱的候选基因。
构建可复现工作流，用气候变量与机器学习分类蜂蜜产量。
提出防泄漏、校准且可解释的深度学习框架，用于稳健的杏仁病害分类。
设计设施番茄智能采摘平台，融合改进YOLO v5与HSV实现识别定位与采摘。
系统综述2019-2026年地理空间AI在精准农业的应用、多模态数据集成与决策支持。
9-21 大众新闻报道：齐鲁现代农事综合服务中心管理平台上线首发选择在德州——全国首个百万亩大面积"吨半粮"引领区，2026年省委一号文件明确要求布局建设现代农事综合服务中心，全省新增水肥一体化推广面积300万亩；德州计划到2030年水肥一体化面积达到200万亩。省农业科学院作物研究所副所长李娜娜带来了水肥智慧大模型，这项汇聚土壤、墒情、气象、苗情等海量数据的技术，能针对不同地块、不同作物，智能输出个性化的灌溉施肥方案。齐鲁现代农事综合服务中心管理平台把政府政策、农户需求、金融资源、社会服务有效贯通，推动农业社会化服务从"碎片化供给"向"集成化服务"跃升。
9-22 中工网刊发"晶采观察"专题：今年秋收丰收的成色里多了一层新意——以往看丰收看的是天帮忙、人努力，今年看丰收还要看"算法"下田、数据说话。四川眉山永丰村300亩试点田首次应用水稻专属AI大模型，土壤墒情传感器、卫星遥感、无人机巡田持续回传数据，AI根据实时数据自动判读生育阶段，输出分田块、分时段的补水、追肥、防控建议，最佳开镰日期由算法测算得出。湖北钟祥磷矿镇万亩玉米基地4台搭载高精度北斗自动驾驶系统的无人收割机同步下地，自动对行、精准收割，日夜不间断作业。2026年中央一号文件明确"因地制宜发展农业新质生产力"，中央财政农机补贴实行"优机优补"。
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。
基于Landsat影像与机器学习分析印度哥印拜陀市2001-2023年城市扩张及其环境效应。
该研究用随机森林和多种深度学习模型对仙人掌病害进行分割诊断，并比较性能。
系统综述遥感与地理空间建模在乌克兰苏梅地区检测战争导致的土地弃耕、土壤扰动与退化的应用。
融合多时相Sentinel-1/2与机器学习，估算印度芒果园面积并分析23年种植趋势。
用ViT和迁移学习对可可叶D、E期进行可解释分类，准确率达97%。
提出Rice-STNet时空深度学习框架，用多时相无人机RGB影像估算水稻株高。
综述AI在植物病害检测中的应用，涵盖图像采集到模型评估全流程及未来趋势。
构建声频刺激植物生长实验框架，分析不同频率对生理指标的影响并推荐最优频率。
提出融合深度学习、可解释AI与生成式AI的指状粟病害检测框架，实现高精度识别与决策支持。
An integrated IoT and machine learning framework for maize yield prediction and smart agriculture in Tanzania。Cogent Food & Agriculture
用丹麦十年田块数据识别轮作模式并预测年度作物选择。