Communication-efficient Federated Transfer Learning for real-time intrusion detection in agricultural IoT systems
提出联邦迁移学习入侵检测方法，将流量转灰度图复用轻量视觉模型，实现农业物联网实时检测。
农业AI与大模型
人工智能算法、大模型与决策支持系统
技术筛选
634 篇内容
MDPI Remote Sensing 18(18):3107 MODIS NDVI与机器学习作物产量预测比较研究
基于印度州级MODIS NDVI与机器学习比较作物产量预测，随机森林优于梯度提升。
眉山市东坡区永丰村300亩稻田应用水稻专属AI大模型管理 AI测算9月15日开镰
9月7日,眉山市东坡区太和镇永丰村300亩试点田首次应用水稻专属AI大模型管理,AI测算分析出9月15日为最佳开镰日期,预计亩产量为880-895公斤。由四川农业大学马均团队主导搭建水稻专属AI大模型,北斗在天上、无人机按需出动、AI大模型在云端。
《数字经济参与与农场扩张:来自中国主要粮食产区农地租赁市场进入和经营耕地面积的证据》
基于四省1025户调查，研究农户数字经济参与是否促进农场扩张。
《基于遥感的农作物产量估算综述:机器学习技术及环境、算法和硬件限制》
系统综述遥感估产方法，分类传感器、平台、建模与机器学习，指出深度学习性能最优。
Comparative evaluation of classical machine learning and deep learning models for early weed detection in precision agriculture
对比经典机器学习与深度学习模型在精准农业早期杂草检测中的性能。
Hybrid explainable DeiT-based framework for plant disease classification and severity estimation
提出基于DeiT的混合可解释框架，实现植物病害分类与严重度估计。
Zenodo (CERN European Organization for Nuclear Research)·9月10日 · 周四40 分 论文农业AI与大模型农业人工智能与决策模型2 个信源同时报道 阅读 1
AI Fundamentals – Unit II: Applications of Artificial Intelligence
这是一份面向本科生的AI基础开放教育资源，介绍AI在医疗、金融、零售、农业等六大领域的应用。
Gazi Üniversitesi Fen Bilimleri Dergisi Part C Tasarım ve Teknoloji·9月10日 · 周四66 分 论文农业AI与大模型农业遥感与作物表型阅读 3
A Hybrid Transfer Learning Framework for Seasonal Classification of Satellite Images
提出混合迁移学习框架，用预训练模型提取特征并结合机器学习分类器实现卫星图像季节分类。
An Optimized Temporal Attention-based Deep Learning Framwork for Accurate Crop Yield Prediction from Multi-source Agricultural Data
提出TA-ABC-Bi-LSTM模型，用多源农业数据精准预测水稻产量。
EfficientNet-CBAM-prototype: an attention-guided EfficientNet framework with dynamic prototype representation for tomato disease classification
提出ECP-Net，用注意力与动态原型提升番茄病害分类精度与可解释性。
Ambient RF energy harvesting using voltage doubler rectifier for battery-free agricultural sensor networks: Design, statistical analysis, and machine learning validation
设计多频段环境RF能量收集系统，为无电池农业传感器网络供电并验证。
An adaptive deep learning framework for multi-temporal crop and drought stress monitoring in precision agriculture
提出CNN+ViT混合深度学习框架，利用多时相Sentinel-2影像监测作物分类与干旱胁迫。
From Farm to Fork: Integrating Smart Farming Data with Isotopic and Spectroscopic Analysis for Food Authentication and Traceability
综述将精准农业采前数据与光谱、同位素分析结合，构建从农场到餐桌的食品溯源与真伪鉴别框架。
Zenodo (CERN European Organization for Nuclear Research)·9月10日 · 周四76 分 论文农业AI与大模型智慧农业 / 农业物联网2 个信源同时报道 阅读 2
AI in energy and water conservation
提出卡塔尔国家AI水智能平台NAWIP，整合多源数据实现水预测、优化与协调。
EdgeHatch: Detection of chicken hatching stages using machine learning on an edge device
提出EdgeHatch，在边缘设备上用机器学习检测鸡蛋孵化阶段。
中国农业大学马韫韬教授到上海农科院作"AI与植物表型"专题学术报告 推动智慧农业多学科交叉
9月2日下午上海农科院信息所举办"AI时代的智慧农业与植物表型"专题学术报告会,特邀中国农业大学教授、博士生导师、作物表型三维仿真首席科学家马韫韬作专题学术报告。马韫韬重点介绍了棉花育种表型研究进展,基于DINO视觉大模型实现棉铃精准分割与最佳集中收获期量化,首创无人机交叉环绕飞行三维重建技术,为棉花机采化育种、产量预测与基因挖掘提供高效技术手段。
安徽农业大学发布大豆垂直大模型"丰菽"2.0 构建我国首个大豆全生命周期生成式AI育种平台
在第三十二届全国大豆科研生产研讨会上,安徽农业大学大豆智能设计育种创新团队联合中国农业科学院作物科学研究所共同研发的大豆领域垂直大模型"丰菽"2.0正式发布。该模型集成豆百科、豆分子、豆文献、豆病害、豆表型、豆育种六大功能模块,汇聚大豆核心种质资源、基因组、表型影像、科研文本等多源数据,构建"多源验证—智能融合—可信输出"的知识技术架构。科研人员用手机拍摄大豆叶片即可进行病害诊断与表型特征提取,实现"随拍随诊"。
中国农科院资划所基于可解释AI构建农产品产地溯源模型 破解光谱判断产地的"黑箱"难题
中国农科院农业资源与农业区划研究所智慧农业创新团队基于可解释人工智能构建农产品产地溯源模型,以中国六个地区的猕猴桃为对象,融合光谱成像与多模型组合策略,并运用可解释性方法对最优组合模型进行分层和整体解读,在提升溯源准确率的同时揭示光谱数据判断产地的内在逻辑,为光谱技术在农业生产与品质监管中应用提供系统解决思路,成果发表于《农业人工智能》(Artificial Intelligence in Agriculture)。
Leakage-Proof Reliability-Aware Deep Learning Framework for Rice Leaf Disease Diagnosis
提出防泄漏、可靠性导向的水稻叶病诊断深度学习框架，并系统评估其泛化与部署表现。