HSR (London)·10月5日 · 周一论文农业人工智能与决策模型阅读 2

APPLICATION POTENTIAL OF UNMANNED AERIAL VEHICLES AND TRENDS IN THEIR DEVELOPMENT

Somitov Abdukadir Abdurayimovich · Worldly Knowledge Publishing Centre

论文解读
67接近精选线
速览

综述无人机应用潜力与发展趋势,强调其向自主化、网络化、数据驱动系统演进。

方法

结构化定性综述官方文件与同行评议文献,结合国际与乌兹别克斯坦证据。

发现

无人机最强增长领域包括精准农业、地理空间测绘、基础设施巡检与环境监测等。

机会点

可聚焦精准农业中无人机多源数据融合与自主决策的落地瓶颈及监管适配研究。

影响力18
信息增量16
专业深度15
信源权威10
时效性8

综述性论文,将无人机与精准农业、农业遥感等智慧农业场景关联,有战略参考价值但非突破性成果。

原文摘要

本文考察了无人机在民用、公共服务、工业、科学及国防相关领域的应用潜力与主要发展趋势,特别关注平台多样化、传感器与载荷集成、人工智能、自主性、通信、能效、空域整合、安全、网络安全、监管及人力资本等方面。研究采用结构化定性综述方法,对公开官方文件及经同行评审或专业评审的出版物进行分析,并将国际证据与乌兹别克斯坦共和国的官方来源相结合。研究结果表明,无人机正从远程驾驶的专用任务平台,向日益自主化、网络化、模块化、数据驱动的空中系统演进。其增长最为强劲的领域包括精准农业、地理空间测绘、基础设施巡检、环境监测、应急响应、物流、通信支持以及特定的安全与国防功能。本文保持在战略、技术、监管和系统工程层面,不涉及战术运用程序或作战脆弱性。

信源(1 个)

无人机 精准农业 应用相关资讯

AgriEngineering 2026, 8(6), 249·8月25日 · 周二73 分 论文农业AI与大模型阅读 3

A Taxonomy of Machine Learning for UAV-Enabled Precision Agriculture: A Structured Survey (面向无人机赋能精准农业的机器学习方法分类:结构化综述)

MDPI AgriEngineering 2026, 8(6), 249。精准农业越来越依赖应用于无人机(UAV)采集的高分辨率数据的机器学习来支持作物监测、胁迫检测和产量预测。本综述提出了无人机赋能精准农业机器学习方法的结构化综述,在一个由感知模态、数据类型、模型家族和分析任务四个维度定义的统一分类法中组织100多项同行评议研究。该分类法能够在RGB、多光谱、高光谱、LiDAR和IoT数据源之间进行系统比较,并在经典机器学习、深度学习、混合顺序模型和新兴基于Transformer的架构之间进行系统比较。分析建模选择如何与数据特征相互作用以影响鲁棒性、跨环境泛化、计算效率和UAV及边缘平台上的部署可行性。识别新兴研究方向,包括数据高效学习、表示级多模态融合、域自适应、轻量级架构和不确定性感知决策支持。