Machine Learning-Based Crop Yield Forecasting Using Environmental and Agricultural Parameters
用机器学习集成方法预测作物产量,比较七种回归算法,发现Bagging效果最佳。
浏览数字农业与前沿技术相关政策、产业动态与研究。
用机器学习集成方法预测作物产量,比较七种回归算法,发现Bagging效果最佳。
用固定可见光传感器和AI视觉技术,连续监测柑橘果实生长与成熟。
综述数字技术与AI在农业工效学评估中的应用,旨在减少肌肉骨骼损伤。
Explainable Deep Learning-Based Potato Leaf Disease Detection and Severity Assessment for Smart Agriculture in Bangladesh。Research Square
提出CFAEVM-UNet模型,用于无人机图像中密集小害虫的精确分割。
综述AI与IoT在精准农业中的应用,涵盖传感、灌溉、病害检测等,并给出原型架构。
系统综述数字孪生技术在撒哈拉以南非洲农业的应用,提出SSA-DT框架。
构建高光谱多指标成熟度感知模型,用于玉露香梨机械化采摘。
融合无人机多源遥感特征与深度学习,高精度估算茶树生物量与氮素积累量。
北大荒信息有限公司已为 4800 余万亩耕地建立数字化档案,研发各类数字化系统 60 余个。寒地作物大模型综合土壤、气象、作物长势信息辅助生成种植方案和变量施肥处方。自主研发的离朱·智能遥感平台接入 49 颗卫星,每 5 天即可完成一轮作物长势监测;垦区田间布设近 5000 台数据采集设备。
江苏省农业科学院已研发"光伏慧农"(新能源设施农业)、"瑞雪"(地膜领域全球首个垂直大语言模型,整合 2800 余个县域数据)、"豆好"(江苏农科院联合浙江大学研发,绿豆智能育种)等模型。江苏目前已有近 20 个农业大模型及智能体投入研发或应用,数量和密度居全国前列。
报告显示 2018 年底到 2025 年底,农村地区互联网普及率由 38.4% 提升至 69.5%,城乡互联网普及率差距由 36.2 个百分点缩小至 15.6 个百分点。累计推广各类农机北斗终端超 350 万台套,农用无人机保有量超 30 万架、年作业面积突破 4.6 亿亩。2025 年全国农村网络零售额首次突破 3 万亿元,返乡创业人数累计超过 1510 万人。
开发基于Web的农业援助分配决策支持系统,采用SAW方法提高精准性和透明度。
提出可解释机器学习框架,同时预测土壤质地和含水量,提升模型透明度和可信度。
利用无人机多光谱成像与机器学习检测作物胁迫并优化产量。
构建无人机与无人车协作的智能路径自动化系统,提升精准农业效率。
综述棉花害虫动态与农药使用变化,提出可持续管理策略。
通过文献计量分析,梳理了2016-2026年AI在作物病害检测与管理中的研究趋势。
提出精准微藻概念框架,整合实时监测、预测建模和自适应控制,以管理规模化培养中的多尺度异质性。
结合Sentinel-1 SAR和Sentinel-2光学数据,绘制作物图并评估洪水淹没对农业的影响