A PCA-based deep feature optimization framework for explainable orange fruit disease classification
提出PCA深度特征优化框架，用ViT+SVM分类橙子病害，准确率达99.12%。
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 · 已选 1 项
409 篇内容清除全部筛选
Brazilian Insect Survey: A Platform for Pest Management
巴西昆虫调查平台整合计算机视觉、田间试验与种群建模，实现害虫实时监测与治理。
One Toolchain, Six Domains: A Multiple-Case, Document-Based Study of Rapid IoT Prototypes Built in a One-Week Immersive Course on a Master’s Program in Applied Artificial Intelligence
基于六组一周IoT课程原型文档，分析其架构、AI集成与安全模式。
AI and Sustainable Agriculture Through Cost–Benefit Analysis of Smart Irrigation Systems
通过成本效益分析评估AI智能灌溉系统的经济与环境影响。
Integrating artificial intelligence in climate change and sustainable development: A comprehensive bibliometric review
用文献计量法梳理2007-2025年AI与气候变化及可持续发展交叉研究，揭示主题演化与地域失衡。
Towards intelligent and scalable routing in cloud-based smart agriculture: a hybrid deep learning approach in big data era
提出AlexNet与蚁群优化混合路由框架，用于云智慧农业的智能路由与资源分配。
Research on the Application of Agricultural Big Data in Plant Growth Prediction——基于多源数据同化与混合智能（MDA-HI）框架
提出MDA-HI框架，融合过程模型与混合智能，用于作物生长与产量预测。
Computer vision-based size estimation module for selective harvesting of lettuce
开发基于RGB图像处理的生菜尺寸估计软件，用于选择性采收决策。
Zenodo (CERN European Organization for Nuclear Research)·9月22日 · 周二71 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 2
Design and Implementation of an Ensemble Learning Based Decision Support Model for Crop Selection in Precision Agriculture
提出SCR-XGB五层框架，用梯度提升树集成从土壤和气候参数推荐作物。
Machine Learning for Surface Water Quality Management in Malaysia: Integrating Physicochemical Parameters, Nutrient Loads, Land Use, Hydrological Conditions, and Anthropogenic Pressure
构建马来西亚地表水质机器学习框架，融合多源环境数据实现分类、预测与污染事件检测。
Zenodo (CERN European Organization for Nuclear Research)·9月22日 · 周二78 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
A Systematic Study of Supervised and Ensemble Learning Approaches for Crop Selection in Smart Agriculture
系统综述2016-2026年24项作物推荐研究，比较四类机器学习方法并指出基准精度已趋饱和。
Identifying drought-responsive candidate genes in root and shoot tissues of wheat (Triticum aestivum L.) through RNA sequencing, cluster analysis, weighted gene co-expression network analysis, and machine learning models
通过RNA-seq、WGCNA和XGBoost-SHAP分析，鉴定小麦根和茎中响应干旱的候选基因。
Machine learning models combined with feature importance methods for honey yield classification: A replicable approach
构建可复现工作流，用气候变量与机器学习分类蜂蜜产量。
Leakage-aware, calibrated, and explainable deep learning for robust almond disease classification
提出防泄漏、校准且可解释的深度学习框架，用于稳健的杏仁病害分类。
设施番茄采摘机器人识别定位与采摘方法研究——江苏大学雷志龙等 基于改进YOLO v5-HSV融合算法识别准确率95.01%
设计设施番茄智能采摘平台，融合改进YOLO v5与HSV实现识别定位与采摘。
Geospatial Artificial Intelligence in Precision Agriculture: A Systematic Review（精准农业中的地理空间人工智能：系统综述）
系统综述2019-2026年地理空间AI在精准农业的应用、多模态数据集成与决策支持。
YieldVision: Model-Driven Decision Support System for Crop Yield Prediction
提出YieldVision决策支持系统，用RF、LSTM及混合模型预测作物产量并部署应用。
Segmentation of Cactus Diseases Using Machine and Deep Learning)
该研究用随机森林和多种深度学习模型对仙人掌病害进行分割诊断，并比较性能。
Remote sensing and geospatial modeling for the detection of war-induced land use abandonment, soil disturbance, and degradation in Sumy region of Ukraine: a systematic review
系统综述遥感与地理空间建模在乌克兰苏梅地区检测战争导致的土地弃耕、土壤扰动与退化的应用。
Explainable growth stage classification of cacao (Theobroma cacao L.) leaves and key feature visualization using vision transformer and transfer learning
用ViT和迁移学习对可可叶D、E期进行可解释分类，准确率达97%。