An adaptive deep learning framework for multi-temporal crop and drought stress monitoring in precision agriculture
提出CNN+ViT混合深度学习框架，利用多时相Sentinel-2影像监测作物分类与干旱胁迫。
数字农业与前沿技术
浏览数字农业与前沿技术相关政策、产业动态与研究。
技术筛选 · 已选 1 项
153 篇内容清除全部筛选
International Journal for Research in Applied Science and Engineering Technology·9月10日 · 周四75 分 论文水资源与灌溉智慧农业 / 农业物联网阅读 5
AIOT in Predictive Agriculture - IoT and AI Integration for Real-Time Soil Monitoring and Smart Irrigation in Predictive Agriculture
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。
The use of artificial intelligence in agriculture: Global practice
综述2022-2026年AI在农业的应用趋势、成效与各国推广障碍。
Optimized Inception-v4 CNN Combined with YOLOv8 andXGBoost for Tomato Plant Disease Recognition and Classification
提出YOLOv8+Inception-v4+XGBoost混合模型，实现番茄叶片病害精准检测与分类。
An ensemble deep learning approach for soil pH classification leveraging GLCM-based texture features and neural networks
提出融合GLCM纹理特征与CNN的集成深度学习框架，实现土壤pH等级图像分类。
An Adaptive AI-DSS Framework for Real-Time Image Analysis and Decision-Making in Precision Agriculture
提出自适应AI决策支持系统，用轻量网络与特征优化实现精准农业实时图像分析与决策。
Plant Wearable Sensors: A Comparative Review of Invasive and Non-Invasive Approaches for Real-Time Plant Health Monitoring
综述植物可穿戴传感器，按侵入性分类比较，提出选择框架。
Intelligent Prediction of Spray Distribution and Hydraulic Behavior in an Automatic Spraying Machine for Precision Agriculture
用机器学习预测自动喷雾机的流量、喷幅、角度和重叠，实现精准农业。
International Journal of Artificial Intelligence and Machine Learning 2026, 6(9s): 1668-1689·9月5日 · 周六77 分 论文物联网传感与边缘计算农业人工智能与决策模型阅读 3
IoT-Enabled Evidence-Fusing Graph Neural Network With Attention-Based Feature Engineering For Uncertainty-Aware Crop Recommendation（IJAIML Vol.6 No.9s 1668-1689）
提出IoT-AM-EFGNN框架，结合IoT传感与图神经网络实现高精度作物推荐。
Integrating Artificial Intelligence and IoT for Precision Farming: A Review of Agriculture 4.0 Technologies, Applications, and Challenges
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。
International Journal of Creative and Open Research in Engineering and Management·9月3日 · 周四56 分 论文物联网传感与边缘计算智慧农业 / 农业物联网阅读 2
Autonomous Multi-Crop Weeding and Nutrient Management
提出一种集成AI、IoT和嵌入式系统的自主多作物除草与养分管理机器，实现精准农业。
Zenodo (CERN European Organization for Nuclear Research)·9月3日 · 周四57 分 论文农业AI与大模型智慧农业 / 农业物联网2 个信源同时报道 阅读 1
Smart Agronomy: Emerging Technologies and Sustainable Practices
综述智能农学新兴技术与可持续实践，重点评述第13章未来农学趋势与挑战。
THE IMPACT OF DIGITAL TECHNOLOGIES ON THE INNOVATIVE DEVELOPMENT OF AGRICULTURAL ENTERPRISES
探讨数字技术对农业企业创新发展的影响，分析效益与障碍并提出改进路径。
IoT-Based Soil Condition Monitoring System for Supporting Precision and Sustainable Agriculture in West Java
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。
Advances in electrochemical sensors for smart farming and precision agriculture: a focus on phytohormone quantification
Advances in electrochemical sensors for smart farming and precision agriculture: a focus on phytohormone quantification。Analytical and Bioanalytical Chemistry
Tendencias en agricultura y silvicultura de precisión: un análisis bibliométrico de la integración de datos, el apoyo a la toma de decisiones y la sostenibilidad
通过文献计量分析，梳理精准农业与林业的研究趋势、主题结构和热点方向。
International Journal of Innovative Science and Research Technology (IJISRT)·8月29日 · 周六67 分 论文农业AI与大模型智慧农业 / 农业物联网阅读 2
Artificial Intelligence for Climate-Smart Agriculture: A Review of Applications in Yield Prediction, Weather Forecasting, Irrigation Management and Pest and Disease Detection
综述AI在气候智慧农业中的应用，涵盖产量预测、天气预报、灌溉管理和病虫害检测。
Applying task division techniques on wireless multimedia sensor networks to improve lifetime
提出两种任务分配技术，利用时空冗余优化无线多媒体传感器网络，提升能效和寿命。
A Taxonomy of Machine Learning for UAV-Enabled Precision Agriculture: A Structured Survey (面向无人机赋能精准农业的机器学习方法分类:结构化综述)
MDPI AgriEngineering 2026, 8(6), 249。精准农业越来越依赖应用于无人机(UAV)采集的高分辨率数据的机器学习来支持作物监测、胁迫检测和产量预测。本综述提出了无人机赋能精准农业机器学习方法的结构化综述,在一个由感知模态、数据类型、模型家族和分析任务四个维度定义的统一分类法中组织100多项同行评议研究。该分类法能够在RGB、多光谱、高光谱、LiDAR和IoT数据源之间进行系统比较,并在经典机器学习、深度学习、混合顺序模型和新兴基于Transformer的架构之间进行系统比较。分析建模选择如何与数据特征相互作用以影响鲁棒性、跨环境泛化、计算效率和UAV及边缘平台上的部署可行性。识别新兴研究方向,包括数据高效学习、表示级多模态融合、域自适应、轻量级架构和不确定性感知决策支持。
AI in Agriculture: Breakthroughs, Challenges, and the Future of Farming (Artificial Intelligence in Agriculture, 2026-08-26) — 95项2021-2025研究系统综述
2026年8月26日发表于Elsevier期刊《Artificial Intelligence in Agriculture》的系统综述(PRISMA 2020框架),纳入2021—2025年95项同行评议研究:机器学习模型诊断植物病害准确率>99%,灌溉控制器提取88%水分利用效率,机器人能看、数、收作物。51.58%论文发表于Q1期刊,36.84%为Q2期刊,JCR影响因子2.2-14.0。主题分布:环境监测23.15%、温室控制与保护栽培21.05%、病虫害检测21.05%、水培16.84%、产量预测13.68%。方法学:经典机器学习25.26%、IoT/AIoT 22.11%、深度学习与计算机视觉13.68%。审稿人指出多数研究仅通过单地点单季节的train-test或k-fold交叉验证,缺乏独立外部验证,发布准确率可能高估实际适用性。[预印本边界说明:已发表于同行评审期刊]