浏览数字农业与前沿技术相关政策、产业动态与研究。
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。
构建马来西亚地表水质机器学习框架，融合多源环境数据实现分类、预测与污染事件检测。
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。
通过RNA-seq、WGCNA和XGBoost-SHAP分析，鉴定小麦根和茎中响应干旱的候选基因。
构建可复现工作流，用气候变量与机器学习分类蜂蜜产量。
提出防泄漏、校准且可解释的深度学习框架，用于稳健的杏仁病害分类。
设计设施番茄智能采摘平台，融合改进YOLO v5与HSV实现识别定位与采摘。
系统综述129篇2020-2026年文献，梳理精准农业作物推荐的方法、趋势与挑战。
系统综述2019-2026年地理空间AI在精准农业的应用、多模态数据集成与决策支持。
提出YieldVision决策支持系统，用RF、LSTM及混合模型预测作物产量并部署应用。
该研究用随机森林和多种深度学习模型对仙人掌病害进行分割诊断，并比较性能。
提出多特征与模糊结合残差LeNet的遥感影像棉花分类方法。
提出CloudSTF框架，利用含云影像实现高保真时空融合，突破晴空假设。
系统综述遥感与地理空间建模在乌克兰苏梅地区检测战争导致的土地弃耕、土壤扰动与退化的应用。
用ViT和迁移学习对可可叶D、E期进行可解释分类，准确率达97%。
提出Rice-STNet时空深度学习框架，用多时相无人机RGB影像估算水稻株高。
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。
将田块级作物产量预测建模为时间序列外回归，比较多源农业时间序列上的神经与非神经方法。
提出融合深度学习、可解释AI与生成式AI的指状粟病害检测框架，实现高精度识别与决策支持。
An integrated IoT and machine learning framework for maize yield prediction and smart agriculture in Tanzania。Cogent Food & Agriculture
