Improving alfalfa nitrogen estimation with canopy structural priors from DSSAT–PROSAIL and UAV hyperspectral data
构建MALENet融合DSSAT-PROSAIL结构先验与无人机高光谱,提升苜蓿氮浓度估算精度。
浏览大田作物相关政策、产业动态与研究。
构建MALENet融合DSSAT-PROSAIL结构先验与无人机高光谱,提升苜蓿氮浓度估算精度。
提出轻量化检测器Cotton-Vision,用无人机影像精准识别棉花病害。
构建多模态回归学习框架,融合气候、遥感与作物因子,实现水稻产量连续预测。
构建水稻数字孪生框架,用时空图神经网络提前14天预测病害。
用经济型多光谱成像结合知识蒸馏压缩模型,实现小麦线条花叶病毒早期检测。
用5年田间试验评估深度语义分割模型在无人机小麦倒伏监测中的跨年泛化能力。
构建多光谱图像提取分析流程,实现多作物表型自动化量化。
提出交叉注意力多尺度并行CNN,实现甘蔗叶病自动分类。
构建轻量MobileNetV3-Small框架实现玉米叶片病害分类并评估边缘部署。
提出MSFANet多尺度特征聚合网络,实现复杂田间背景下烟草害虫的自动识别。
提出轻量CNN实现马铃薯早疫病与晚疫病三分类,并在埃塞俄比亚田间验证。
评估生长季内天气变量时间聚合粒度对水稻产量机器学习模型预测与可解释性的影响。
提出改进YOLO 11n模型,实现棉花田间复杂遮挡环境下障碍物高精度检测。
提出半监督不确定性感知网络U-SSDNet,用少量标注实现甘蔗叶病高精度检测。
融合Sentinel-1 SAR与Sentinel-2光学特征,在印尼热带山地实现93%精度的作物类
比较空间统计与随机森林模型对水稻产量空间变异的建模效果。
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。
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。
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。
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。