农业AI与大模型

基于Landsat影像与机器学习分析印度哥印拜陀市2001-2023年城市扩张及其环境效应。

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。

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。

融合多时相Sentinel-1/2与机器学习，估算印度芒果园面积并分析23年种植趋势。

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%。

提出Rice-STNet时空深度学习框架，用多时相无人机RGB影像估算水稻株高。

综述AI在植物病害检测中的应用，涵盖图像采集到模型评估全流程及未来趋势。

构建声频刺激植物生长实验框架，分析不同频率对生理指标的影响并推荐最优频率。

提出融合深度学习、可解释AI与生成式AI的指状粟病害检测框架，实现高精度识别与决策支持。

An integrated IoT and machine learning framework for maize yield prediction and smart agriculture in Tanzania。Cogent Food & Agriculture

用丹麦十年田块数据识别轮作模式并预测年度作物选择。

提出DAC-Grad-CAM可解释框架，实现芒果缺陷感知分类与定量验证。

利用番茄电生理信号与机器学习实现水分胁迫早期在线检测。

提出轻量级作物行分割模型CropRowSeg，并设计中心线引导的条带标注方法。

用RGB卷积神经网络自动分类豇豆叶片可见脉纹，区分健康与结构胁迫样本。

提出多模态计算机视觉框架，用无人机和地面图像检测牛羊并监测疫情。

探讨AI与移动健康方案提升农村母婴健康，涵盖预测分析、远程监测与健康教育。

用X射线成像结合机器学习与深度学习，无损分类油菜籽机械损伤等级。

提出轻量级双路径网络DPMFNet，实现复杂农田场景下的作物病虫害高精度识别。

提出轻量化Flor-YOLO模型，实现香石竹鲜切花开放度自动分级检测。