AshGdNutDefAM: Machine-learning-based multi-feature framework for nutrient deficiency detection and classification in Ash gourd Plant
提出AshGdNutDefAM多特征机器学习框架,自动检测和分类冬瓜缺镁缺铁症状。
浏览数字农业与前沿技术相关政策、产业动态与研究。
提出AshGdNutDefAM多特征机器学习框架,自动检测和分类冬瓜缺镁缺铁症状。
基于30省面板数据,实证检验数字乡村建设对农业经济韧性的提升效应及传导机制。
用无人机多光谱图像和VGG21模型识别小麦渍害调控效果。
提出RATL迁移学习框架,解决高光谱遥感跨区域冬小麦叶绿素评估的域偏移问题。
中国农业大学王耀君团队2023年12月发布神农大模型1.0版、2024年7月推出2.0版新增多模态识别、2025年10月升级至3.0版采用"轻量化+多智能体"架构同时推出36个针对具体农事问题的智能体。神农大模型已构建覆盖90%农业学科、80%农业场景的专属知识体系,核心知识库含1000万条农业知识图谱、2000万张标注图片、5000万条生产数据。辽宁杜连辉600亩玉米地使用后成本从480元/亩降到不足400元/亩,北京怀柔丹辉农业生菜基地育种智能体培育"雁栖2号"新品种。
综述2018-2025年深度学习杂草分类方法,分析技术瓶颈并给出改进建议。
综述生物声学传感与信号处理进展,涵盖医疗、生态与农业应用。
基于CRRS数据实证检验数字乡村参与对农村居民幸福感的影响及异质性。
结合遥感与农户知识评估摩洛哥半干旱区季节性农业脆弱性,以支持气候适应。
提出太阳盲辐射计直接测量太阳诱导叶绿素荧光,无需光谱反演。
提出一套无人机高光谱结合AI的干旱区土壤有机碳制图标准化试点方案。
融合遥感、气候与经济指标,比较多种模型预测印尼可可出口量,XGBoost表现最佳。
结合遥感、GIS与人工神经网络评估印度喜马拉雅地区农林复合系统的空间适宜性与气候韧性。
构建规则驱动农业景观功能分区指数,并用多模态融合深度学习实现自动预测。
基于遥感与GIS分析几内亚Manéah采石区1980-2024年土地利用与覆盖的时空变化。
综述深度学习多源遥感图像融合方法、挑战与未来方向。
提出CNN-Transformer-LSTM混合框架,实现棉花叶片病害自动识别。
Green Climate Smart Agriculture For Sustainable Farming。OpenAlex
Climate-smart agriculture in Gilgit- Baltistan。OpenAlex
用CNN对植物叶片病害进行自动识别,在基准数据集上取得92%准确率。