#梯度提升

提出自适应异构动态集成框架AHDE-DS，实现跨异构数据的鲁棒预测、分类与智能决策支持。

综述水下光学图像中的小目标检测，梳理问题、数据集、算法，并展望未来方向。

原文标题: Artificial Intelligence Empowering Modern Agricultural Biological Breeding。作者: 徐启玉、郑波、钟上威（北京大学现代农业研究院、潍坊市科技创新促进中心、北京大学生命科学学院）。DOI: 10.12133/j.smartag.SA202602016。本文系统探究AI驱动植物育种范式变革的底层逻辑，梳理智慧育种的代际演变及其在表型解析、基因组预测和分子设计等关键环节的技术进展，并深入探讨育种大模型对育种全流程的重构作用，以期为中国种业科技实现自立自强提供理论参考。重点阐述AI在种质资源高效挖掘、高通量表型精准解析、全基因组选择模型预测及分子设计育种等关键环节的技术逻辑与实证案例，并针对跨学科数据壁垒、深度学习算法的可解释性不足、复杂变动环境下的模型泛化能力弱等核心挑战进行了深入分析。

提出TSE-Net半监督自训练框架，用少量标注和大量无标注遥感图像估计单目高度。

山东理工大学等单位李京谦、韩国涛、赵静、张帅领、谢欣妤、付姗姗、鲁力群、兰玉彬在《农业工程学报》2026年第42卷第9期发表论文。该研究提出基于改进YOLOv12n的向日葵成熟期盘腐病危害程度检测模型,首先将主干和颈部网络的C3K2模块替换为融合感受野注意力卷积(RFAConv)与坐标注意力机制(CA)的C3K2-RC模块;其次在颈部网络集成轻量级的上采样算子CARFAE;最后引入LSCSBD(lightweight shared convolutional separable batch normalization detection)检测头。试验结果表明,YOLOv12n-RCL模型的精确率、召回率、mAP0.5和mAP0.5-0.95分别达到83.4%、81.2%、84.8%和50.2%,较基准模型YOLOv12n分别提高3.8、3.2、3.4和4.0个百分点。

9月7日是袁隆平院士诞辰96周年，由湖南省农业科学院牵头联合湖南杂交水稻研究中心、绥宁县人民政府以及相关种业企业，在湖南省邵阳市武阳村开展总面积202亩的超级稻爽两优138大面积制种示范。专家组现场随机抽取3块田开展机械实收测产：三块田平均亩产530.4公斤，创下杂交水稻大面积制种高产新的世界纪录。

比较手工特征、深度迁移学习和量子兼容分类器对三个地区榛子图像的分类性能。

比较三种CycleGAN架构（EfficientNetB1、MobileNetV2、标准ResNet