Real-Time UAV scheduling under hazardous weather conditions using an integrated fuzzy logic and machine learning framework
提出融合模糊逻辑与机器学习分类器的无人机实时调度框架,在恶劣天气下保障精准农业飞行安全。
人工智能算法、大模型与决策支持系统
提出融合模糊逻辑与机器学习分类器的无人机实时调度框架,在恶劣天气下保障精准农业飞行安全。
提出MSFANet多尺度特征聚合网络,实现复杂田间背景下烟草害虫的自动识别。
提出频域自适应分割网络FDUNet-LRSA,用于甘薯病害自动巡检。
利用湿地微生物群落特征结合机器学习预测土壤总氮水平。
综述AI在气候变化缓解与环境可持续领域的应用进展、挑战与未来方向。
提出可解释深度学习框架,用AlexNet结合贝叶斯调参、微调和Grad-CAM实现芒果叶病十分类。
调查伊拉克尼尼微省农业推广人员对电子通信在智慧农业AI应用中重要性的认知及障碍。
提出XGB-StageVision,用传感器数据与可解释AI预测水培生菜生长阶段。
提出实例分割与深度特征融合框架,在自然环境下实现鲁棒叶片物种分类。
以AI创新试验区为准自然实验,检验AI政策通过数字产业集聚促进工业用地集约利用。
提出轻量级LIMN-YOLO模型,在复杂田间条件下检测山药叶部病害与虫害。
提出LRD-Net深度学习框架,融合多源遥感与环境协变量,估算新疆干旱绿洲区土壤盐分。
开发深度学习模型在真实田间条件下检测并分类肯特芒果为三个出口等级,实现产量估计。
评估生长季内天气变量时间聚合粒度对水稻产量机器学习模型预测与可解释性的影响。
构建基于AI/ML的Web农业决策支持平台,为农民提供作物推荐、病害检测、天气与市场价格等服务。
提出分层跨模态时空注意力网络HCM-STAN,融合多源农业数据预测喜马拉雅山区苹果产量。
提出混合深度集成框架,融合CNN与LSTM并引入注意力机制,实现作物病害预测与气候韧性灾害管理。
提出Nightshade-SWIN框架,用Swin Transformer提升茄科多作物叶片病害分类
提出HSM-YOLO算法,在群养环境下检测羊爬跨行为及被爬跨母羊,用于发情监测。
提出无人机实时检测定位未出苗甘蓝幼苗的深度学习方法,准确率96.9%。