Bangladesh AI Model AgroVisNet Spots Crop Blight on Phones(轻量级 99.52% 准确率 0.46 MB 量化部署)
提出轻量网络AgroVisNet与BD-PlantDX数据集,实现手机端作物病害高精度识别。
提出轻量网络AgroVisNet与BD-PlantDX数据集,实现手机端作物病害高精度识别。
提出NRA-LoRA微调方法,构建农机农艺知识数据集,提升白萝卜定植收获垂直大模型性能。
综述AI赋能杂粮智慧育种的技术体系、应用案例与产业化路径。
提出BiF-YOLO模型,在制种田实现玉米穗精准检测。
提出双注意力序列优化网络DASO-RiceNet,实现10类水稻病害与损伤的高精度分类。
提出轻量YOLOv12n改进模型,实现复杂果园中多成熟期蓝莓的实时检测。
融合夜间灯光、热红外与光谱数据,用机器学习精准监测达卡2016-2024年城市扩张与土地转化。
用AI建模比较水稻与高粱PSTOL1受体激酶结构,揭示高粱SbPSTOL1寡聚化特征。
综述188项研究,从具身智能视角分析温室高价值作物智能采收的系统集成瓶颈。
提出RNN多任务学习方法,用于标签稀疏的葡萄抗寒时间序列建模。
构建农业图像基准,发现视觉语言模型已编码农业特征,但输出未充分体现。
提出一个利用疫情早期数据实时预测牲畜传染病时空传播的通用建模框架。
用图像处理和CNN/SVM/逻辑回归对苏格兰帽椒进行好坏二分类质量分级。
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。
开发轻量本地软件原型与LLM提示框架,整合肥胖临床与线粒体数据。
对精准农业中深度学习杂草分类、检测与分割研究进行文献计量与综述分析。
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
用有限元模型评估农用全地形车加装附件后的静态稳定性与驾驶员头部损伤风险。
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。