大豆与油料

提出YOLOv8-MST轻量算法，实现双粒花生播种实时检测与计数。

提出梯度增强轻量网络，用于复杂田间场景下花生叶部病害分割。

《意见》提出到2030年山东将建设80个数字农业发展县，重点打造300个高水平智慧农业应用场景，全省农业生产信息化率达到60%以上，粮油作物水肥一体化应用面积达到2000万亩。围绕"加力推进优势产业智慧转型"，《意见》部署智慧赋能主要作物单产提升、设施农业改造升级、畜牧业节本增效、渔业产业提档升级四大方向，加快"北斗+智慧农业"应用推广，构建小麦、玉米、大豆、花生等主要作物数字化种植技术体系；建设省级种质资源数据库平台，推动经验育种向智能设计育种转变。

部署全季节事件驱动多智能体系统FAIRY，在大豆农场完成从起垄到存储的全流程评估。

提出几何感知网络Plant-GeoAT，实现3D植物点云器官身份解析与器官级表型分析。

提出可持续性感知数字孪生框架TSAFI-DT，用于印度花生产量预测与情景模拟。

用深度学习结合大规模环境数据预测县域大豆产量，并对比多种网络架构与传统模型。

用无人机多模态影像与基因型数据训练CNN，预测大豆八种种子成分。

用无人机多模态图像和CNN预测大豆八种种子成分，蔗糖精度最高。

在第三十二届全国大豆科研生产研讨会上,安徽农业大学大豆智能设计育种创新团队联合中国农业科学院作物科学研究所共同研发的大豆领域垂直大模型"丰菽"2.0正式发布。该模型集成豆百科、豆分子、豆文献、豆病害、豆表型、豆育种六大功能模块,汇聚大豆核心种质资源、基因组、表型影像、科研文本等多源数据,构建"多源验证—智能融合—可信输出"的知识技术架构。科研人员用手机拍摄大豆叶片即可进行病害诊断与表型特征提取,实现"随拍随诊"。

提出波长感知的ViT-BandGate模型，利用多属性光谱成像检测山茶油掺假，实现高精度识别。

系统综述AI用于多尺度作物监测与大豆叶病诊断，提出FRI评估标准与报告协议。

开发了BioIMA桌面工具，实现生物图像表型标准化自动提取，无需训练模型。

提出物理-数据融合框架POSNH，用于花生冠层氮素含量遥感监测，降低样本依赖并提高泛化能力。

用离散元法研究大豆脱粒的相互作用机制并优化操作参数。

部署并评估了全季大豆农场的智慧农业智能体系统FAIRY，实现全流程农艺操作。

提出改进的Transformer-KAN模型，基于多时相遥感数据实现高精度、可迁移的大豆种植区制图。