人工智能算法、大模型与决策支持系统
提出InResKolArno_SCO混合框架，用于物联网智慧农业中的植物病害分类。
提出以人为中心的机器学习仪表盘，融合物联网与预测模型，为农户提供实时可解释的决策支持。
综述2023-2026年30篇文献，评估物联网与机器学习在作物病害检测和推荐中的应用。
提出知识增强可穿戴系统K-Wear，将植物传感信号转化为可解释诊断与建议。
探讨量子计算在动物营养与农业中的应用前景，重点分析混合量子-经典方法解决组合优化等难题的潜力。
基于TOE框架，用混合方法研究阿曼水培农场AI采纳的驱动因素及对绩效的中介作用。
提出MSTANet多尺度纹理注意力网络，实现槟榔九类病害自动分类。
用ARDL和NARDL分析沙特2000-2025年数字连接与农业生产力关系，发现长期正向但存在不对称
用PhenoCam图像训练轻量深度学习模型，在树莓派上实时分类玉米8个生长阶段。
提出边缘计算与深度学习结合的遥感图像分类方法，用改进3D CNN实现低延迟高精度土地覆盖识别。
提出规则与机器学习混合的水稻决策支持框架，提升决策精度并节水增产。
基于中国畜牧业上市公司数据，检验AI应用能否提升环境管理绩效及其边界条件。
提出3D实例分割与骨架化框架，自动提取苹果树枝条表型性状。
Reliability Auditing and Capacity-Constrained Review for Wheat-Yield Decision Support under Temporal and Spatial Shift。Research Square
比较九种机器学习算法预测青藏高原高寒农田土壤养分与pH，发现集成算法最优。
提出PDANet网络，融合分割、联邦学习与RAG大模型，实现果实病害检测与严重度预警。
提出非洲土壤信息系统应转向高级AI驱动的自适应土壤数字孪生，并给出十条研究路径。
综述机器学习与物联网在智慧农业中的应用并做文献计量分析。
融合MobileNetV2与EfficientNetB0特征并微调，实现植物病害高精度分类。
用YOLOv10-N实时检测大马士革玫瑰并基于花数估算产量。