Wild boar collision data and satellite computer vision refine habitat suitability mapping across France
融合野猪碰撞数据与卫星视觉模型,预测法国野猪栖息地适宜性及其时空驱动因素。
浏览数字农业与前沿技术相关政策、产业动态与研究。
融合野猪碰撞数据与卫星视觉模型,预测法国野猪栖息地适宜性及其时空驱动因素。
提出MATLAB中AI-IoT仿真框架,用LSTM预测灌溉需水并管理光伏与电池。
综述了物联网赋能的自主农业监测机器人,分析架构、传感、导航与AI集成,指出低成本模块化系统的研究空白
综述了基于YOLO的叶片病害检测的演进、任务适配与部署挑战。
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。
综述多源遥感融合与深度学习在精准农业感知-决策-执行框架中的应用与趋势。
提出结合波段选择与ViT-CNN混合框架的高光谱图像分类方法,提升小样本分类精度。
融合三种CNN深度特征与集成学习,实现田间马铃薯叶片七类病害分类。
综述柔性可穿戴传感器在智慧农业中的传感机制、作物表型监测与采收应用。
提出可解释深度学习框架CPSA-RIPD-CSTGCN,实现智慧农业中害虫实时检测。
提出GODL算法,融合地理空间信息与深度学习,结合AI和IoT提升作物产量预测精度。
提出一种基于无人机多光谱时序影像的深度学习混合模型,实现苹果黑星病和葡萄霉病的早期检测与分割。
该研究利用叶绿素荧光成像与深度学习识别小麦白粉病并分级。
比较三种深度学习模型检测橙子病害,并用RISE提升可解释性。
提出联邦学习结合改进EfficientNet-Lite4的水稻叶片病害检测框架,兼顾隐私与精度。
基于CropIntel数据集,用15+种机器学习算法实现作物分类、灌溉需求预测与产量潜力预测。
综述中智拓扑在印度多领域的应用潜力,并指出理论与实证数据脱节的局限。
综述轻量化AI方法,并以农业监测机器人为例,提出相机+轻量YOLO+Jetson+单片机的嵌入式部署
用四种机器学习模型基于39个玉米基因型盐胁迫发芽数据预测幼苗活力指数SVI。
提出GLC-Net,用全局-局部动量对比学习与关键特征校准提升田间植物病害识别。