数字农业与前沿技术

提出IoT与AI融合框架，结合实时土壤数据与天气预报推荐适宜作物。

系统综述2022-2025年IoT边缘计算数据处理与管理优化技术，涵盖存储、缓存、聚合与完整性四类。

构建化学STEM教学框架，以“化肥与智慧农业”案例融合AI与物联网，提升教师自我效能。

提出AIoT框架，用LSTM预测土壤湿度实现智能灌溉，节水并延长节点续航。

构建物联网增强的温室白粉虱发生预测预警系统。

综述物联网传感器网络连接性，涵盖应用、约束、能量管理及部署挑战。

利用物联网环境控制和离子传感，在水培中连续监测不同VPD条件下的硝酸盐和铵浓度。

综述AI与IoT在精准农业中的集成技术、应用与挑战，提出未来研究方向。

通过科学计量和系统综述，评估智能农业中技术整合的研究格局与优势。

构建集成物联网、无人机与深度学习的农业AI系统，实现作物与水产健康监测。

提出量子启发遗传算法与区块链结合，用于农业物联网中可信且节能的簇头选择。

综述AI与IoT在精准农业中的应用，涵盖传感、灌溉、病害检测等，并给出原型架构。

开发基于IoT的土壤监测系统，支持西爪哇精准可持续农业，提高灌溉效率并增产。

提出结合IoT、机器学习和边缘计算的智能灌溉系统，优化用水并提高作物产量。

arXiv 2026年8月4日上线的预印本,提出一种面向互联精准农场的AI驱动云边架构。研究针对番茄早疫病、晚疫病、叶霉病等重大病害导致严重减产的问题,集成物联网传感器、无人机、深度学习、Azure IoT Hub云端分析与多平台(移动应用、Web应用、嵌入式边缘设备平台)接口,实现番茄病害实时检测。模型基于PlantVillage、Kaggle等公开数据集训练,通过TensorFlow模型部署至移动、Web与边缘设备平台。实验结果显示检测有效性达92-95%,在不同环境与设备平台表现一致,显著降低人工巡检依赖,实现及时干预,支撑可持续互联精准农场发展。