数字农业与前沿技术

将植物图像分3x3网格反演ODE参数，构建空间生理热图与预测数字孪生。

扩展PLANT-GPK框架，从单张图像反演植物生理参数与隐藏时间维度，实现跨生育期表型分析与收获期预

综述农业人工智能在精准灌溉、产量预测、病虫害监测等应用及落地挑战。

综述AI、基础模型与数字孪生如何支撑气候韧性农业，并指出关键挑战与未来方向。

提出融合物联网、厘米级GNSS、多光谱遥感和AI的精准农业框架，构建作物数字孪生。

提出边缘AI、物联网与联邦学习集成的智慧农业环境监测架构与评估协议，未开展实地试验。

提出农业数字孪生框架，结合GRU与物联网实现实时产量预测与可持续决策支持。

提出LLM-模糊决策与数字孪生框架，用于自适应农业机器人协同决策。

研究将区域供热数字孪生模型环境融入多层级生活实验室，用于可持续教育并支持决策。

系统综述智慧农业机器人、传感、AI、数据集与评估指标，指出落地瓶颈并展望方向。

综述AI、物联网与数字孪生融合的可持续性智能，提出七层SIF框架。

提出VR-DT-IoT框架，实现虚拟温室实时同步与沉浸式控制。

提出TSAFI-DT数字孪生框架，用贝叶斯优化XGBoost预测印度花生产量并做反事实情景分析。

综述90篇文献，提出PRAS框架与就绪度量表，评估智能体AI在畜舍管理中的应用与成熟度。

提出卡塔尔国家AI水智能平台NAWIP，整合多源数据实现水预测、优化与协调。

提出 AgriTwin AI 框架，融合数字孪生与多模态可解释 AI，弥合农业数据与认知鸿沟。

综述数字技术与AI在农业工效学评估中的应用，旨在减少肌肉骨骼损伤。

系统综述数字孪生技术在撒哈拉以南非洲农业的应用，提出SSA-DT框架。

开发了跨地块、流域和地中海尺度的农业数字孪生工具，集成多源数据支持实时监测与决策。

原文标题:AI-Enabled IoT-Based Hydroponic Farming with Embedded Automation and Nutrient Prediction。作者:Jehangir Arshad、Fawad Azeem、Ayesha Butt、Maha Chaudhary、Rana Saad Safdar、M. Kamran Joyo、Izanoordina Ahmad、Prajoona Valsalan、Husham M. Ahmed(COMSATS University Islamabad等)。DOI: 10.3390/fi18090446。论文构建一个由Raspberry Pi控制、完全监测并持续评估的水培农业模拟器,采用多种传感器、数据管理与处理以及自动化环境调节。该智能水培系统采用双模型机器学习流水线:一个通过图像分析识别植物病害,另一个基于传感器数据评估植物营养水平。两个模型的数据通过云端数字孪生(DT)合并,实现远程访问并提供闭环控制,用于水培环境中的灌溉、营养剂量和所有环境因子管理。该研究展示了将物联网传感、机器学习和数字孪生模拟组合成可运行超物理系统来开发可扩展、数据驱动的精准农业解决方案的能力。