农业AI与大模型

综述轻量化AI方法，并以农业监测机器人为例，提出相机+轻量YOLO+Jetson+单片机的嵌入式部署

系统综述AI与自动化技术在现代农机中的应用现状、效益与障碍。

提出LLM-模糊决策与数字孪生框架，用于自适应农业机器人协同决策。

系统综述智慧农业机器人、传感、AI、数据集与评估指标，指出落地瓶颈并展望方向。

提出WeedNet基础模型，实现全球杂草物种识别与区域微调。

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。

提出移动机器人结合CNN识别花卉的智能园艺框架，测试准确率达95%。

开发实时AI农业机器人，集成植物病害检测与地理参考土壤湿度分析。

综述2022-2026年AI在农业的应用趋势、成效与各国推广障碍。

本文系统综述双目立体视觉在农业应用中的最新进展,涵盖系统架构、传统与基于深度学习的立体匹配方法、点云重建技术及新兴的3D高斯溅射等监督策略。综述总结了关键应用,包括高通量表型分析、果实定位与机器人采摘、杂草检测与精准喷施、自主导航以及畜禽体况评估,突出其在多任务农业感知系统中的作用。论文还讨论了低纹理匹配困难、复杂环境中的遮挡、跨域泛化、实时轻量化部署及有限数据集可用性等主要挑战,并展望基于基础模型的视觉感知、自监督与弱监督学习、多模态融合及边缘高效模型设计的未来方向。原文标题:Advances in Binocular Stereo Vision-Driven 3D Perception and Intelligent Analysis Methods for Agriculture,作者:江苏大学Ye R、Wang J、Kong Z、Ou M,发表于MDPI Applied Sciences 2026年第16卷第16期7957。