人工智能算法、大模型与决策支持系统
用1990–2025年气候数据与机器学习模型预测哈萨克斯坦北部小麦产量。
提出WeedNet基础模型，实现全球杂草物种识别与区域微调。
综述人工智能在蔬菜作物生产中的应用，涵盖监测、诊断、灌溉、产量预测与采收机器人。
在印度偏远农村评估整合基层卫生员、便携诊断与AI辅助决策的远程医疗模式。
评估哈萨克斯坦资源型经济中AI应用的经济潜力与结构性约束。
构建无人机RGB影像深度学习分割与空间矢量化框架，实现作物监测优先级评估。
比较六种轻量神经网络在三种植物病害数据集上的分类性能，面向边缘设备部署。
基于中国257个地级市数据，用双机器学习等方法研究农村人口收缩对耕地非粮化的影响。
提出YOLOv8-MST轻量算法，实现双粒花生播种实时检测与计数。
将可穿戴湿度传感器与机器学习结合，实现植物水分状态监测。
用可解释机器学习揭示蓝贻贝污损对海水养殖网箱水动力响应的阈值效应。
提出物理信息可解释深度学习架构PhySinc-Net，实现奶山羊非接触呼吸率监测。
提出MSO-Det多级协同优化框架，用于田间场景下鲁棒的穗部目标检测。
用无人机RGB影像与机器学习估算水分氮胁迫下高粱生物量和产量。
用机器学习基于常规行政与兽医数据，对奥地利农场动物福利违规风险进行优先级排序。
用高光谱与机器学习反演陕北农牧交错带农田土壤全氮含量。
综述AI在可持续发展目标中的应用机遇、创新与系统性风险。
开发轻量级边缘AI模型，在资源受限移动设备上实时检测高粱病害。
融合计算机视觉与机器学习，实现高粱病害严重度评估与产量预测。
综述可信农业自主性，从机器人学习、安全控制与人机交互三支柱探讨技术进展与挑战。
