数字农业与前沿技术

基于六组一周IoT课程原型文档，分析其架构、AI集成与安全模式。

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。

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。

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。

构建声频刺激植物生长实验框架，分析不同频率对生理指标的影响并推荐最优频率。

用GIS与多元统计评估印度半干旱区Banaskantha土壤肥力指标的空间变异。

提出CAPLA无人机点云融合方法，监测水盐胁迫下棉花叶倾角昼夜动态。

综述2018-2025年深度学习杂草分类方法，分析技术瓶颈并给出改进建议。

综述生物声学传感与信号处理进展，涵盖医疗、生态与农业应用。

提出一套无人机高光谱结合AI的干旱区土壤有机碳制图标准化试点方案。

综述深度学习多源遥感图像融合方法、挑战与未来方向。

提出CNN-Transformer-LSTM混合框架，实现棉花叶片病害自动识别。

Field-scale prediction and spatial mapping of tractor tractive efficiency in tillage operations using machine learning。Precision Agriculture

综述精准农业、AI、基因编辑、无人机、物联网等新兴技术如何重塑未来农业。

用低成本MOS传感器阵列采集薄荷VOC指纹，结合特征优化机器学习实现盐胁迫检测。

用机器学习基于叶长宽非破坏性预测30个橄榄品种叶面积，PSO优化ANN精度最高。

综述机器视觉在精准农业中的应用现状与未来趋势。

利用Sentinel影像估算南欧小农地块关键作物面积与产量，并与官方统计对比验证。

用无人机高光谱结合水分校正与Stacking集成模型反演土壤盐分。

设计并实现了一套低成本GNSS精准农业监测系统，集成ESP32与物联网实时可视化。