农业AI与大模型

用离散小波变换提取蛋壳图像多尺度空间特征，实现小样本高效数字表型。

提出IoT与AI融合框架，结合实时土壤数据与天气预报推荐适宜作物。

Causal Effects of Climate-Smart Agriculture Adoption on Smallholder Welfare and Food Security in Zambia: Evidence from Endogenous Switching Regression, Double Machine Learning, and Bayesian Estimation。Research Square

综述人工智能在地理学中的应用，涵盖GIS、遥感、城市规划、农业与环境监测等。

提出治理优先框架，整合AI与区块链提升园艺价值链可持续性与包容性。

Optimizing biochar application strategies to improve soil properties and crop productivity in salt-affected croplands: Evidence from a global meta-analysis and machine learning approach。Agricultural Systems

综述光学传感驱动的设施作物高通量表型平台，涵盖传感器、平台架构与数据处理。

用MobileNetV2和DenseNet169对田间棉花与杂草图像做二分类，验证机器视觉除草可行性

UAV-based rice nitrogen status monitoring using machine learning and deep learning。Precision Agriculture

提出开源两阶段深度学习流程PetalSpot，实现花瓣病斑像素级量化。

综述AI赋能水产养殖工程系统，从感知、建模到部署架构的设计视角。

提出联邦迁移学习入侵检测方法，将流量转灰度图复用轻量视觉模型，实现农业物联网实时检测。

基于印度州级MODIS NDVI与机器学习比较作物产量预测，随机森林优于梯度提升。

9月7日,眉山市东坡区太和镇永丰村300亩试点田首次应用水稻专属AI大模型管理,AI测算分析出9月15日为最佳开镰日期,预计亩产量为880-895公斤。由四川农业大学马均团队主导搭建水稻专属AI大模型,北斗在天上、无人机按需出动、AI大模型在云端。

基于四省1025户调查，研究农户数字经济参与是否促进农场扩张。

系统综述遥感估产方法，分类传感器、平台、建模与机器学习，指出深度学习性能最优。

对比经典机器学习与深度学习模型在精准农业早期杂草检测中的性能。

提出基于DeiT的混合可解释框架，实现植物病害分类与严重度估计。

这是一份面向本科生的AI基础开放教育资源，介绍AI在医疗、金融、零售、农业等六大领域的应用。

提出混合迁移学习框架，用预训练模型提取特征并结合机器学习分类器实现卫星图像季节分类。