农业人工智能 无人机遥感

提出轻量化检测器Cotton-Vision，用无人机影像精准识别棉花病害。

用5年田间试验评估深度语义分割模型在无人机小麦倒伏监测中的跨年泛化能力。

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%。

构建无人机RGB影像深度学习分割与空间矢量化框架，实现作物监测优先级评估。

提出多模态计算机视觉框架，用无人机和地面图像检测牛羊并监测疫情。

用无人机多光谱图像和VGG21模型识别小麦渍害调控效果。

用无人机多传感器遥感结合AutoML预测冬小麦水分含量。

系统综述199项研究，梳理无人机遥感在水稻高通量表型分析中的应用进展与瓶颈。

中国农业大学土地科学与技术学院马韫韬教授团队围绕棉花关键生育时期的表型智能识别与量化分析，在 Computers and Electronics in Agriculture、Plant Phenomics 和 Precision Agriculture 等国际权威期刊上连续发表三篇研究论文，题目分别为 MS-R outperforms RGB: Lightweight CYOLO-BiCNet enables efficient detection and storage optimization of cotton flowers，Scalable phenotyping and yield estimation via stability index and single-plant variability using a vision-based large model framework 和 Assessing Cotton Boll-opening Concentration for Harvest Decision-making via Foundation Model-enhanced Cross-scale Phenotyping。

提出认知无人机农业监测框架，用时空学习和强化学习预测作物胁迫并优化灌溉。