人工智能算法、大模型与决策支持系统
提出SCR-XGB五层框架，用梯度提升树集成从土壤和气候参数推荐作物。
系统综述2016-2026年24项作物推荐研究，比较四类机器学习方法并指出基准精度已趋饱和。
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。
综述2018-2025年深度学习杂草分类方法，分析技术瓶颈并给出改进建议。
综述生物声学传感与信号处理进展，涵盖医疗、生态与农业应用。
提出一套无人机高光谱结合AI的干旱区土壤有机碳制图标准化试点方案。
综述深度学习多源遥感图像融合方法、挑战与未来方向。
提出CNN-Transformer-LSTM混合框架，实现棉花叶片病害自动识别。
Field-scale prediction and spatial mapping of tractor tractive efficiency in tillage operations using machine learning。Precision Agriculture
用低成本MOS传感器阵列采集薄荷VOC指纹，结合特征优化机器学习实现盐胁迫检测。
用机器学习基于叶长宽非破坏性预测30个橄榄品种叶面积，PSO优化ANN精度最高。
提出融合物联网传感与随机森林的智能灌溉系统，实现数据驱动的自动灌溉控制。
系统综述AI在环境韧性与可持续创新中的应用、趋势与挑战。
综述AI赋能多组学、基因编辑与精准农业，培育气候韧性与营养强化作物。
系统综述AI在可持续农业中的应用，分析生产力与可持续性影响及推广障碍。
用无人机可见光影像和深度学习模型区分直播稻、湿直播稻与移栽稻三种水稻种植方式。
综述AI作物推荐研究，指出高准确率多源于数据与验证缺陷。
提出优化机器学习框架，用土壤环境数据预测农艺参数并分类菠菜生长阶段。
结合GAN数据增强与随机森林，构建高精度作物产量预测模型。