Synergistic effects of spectral preprocessing and machine learning algorithms for nitrogen estimation in tomato using hyperspectral spectral data
用高光谱成像结合预处理与机器学习，对番茄叶片氮素水平进行分类。
蔬菜
蔬菜育种、栽培、病虫害与产业
技术筛选 · 已选 1 项
39 篇内容清除全部筛选
SpatioFormer: spatial perception enhancement for lightweight agricultural pest and disease detection
提出轻量混合架构SpatioFormer，提升复杂环境下农作物病虫害检测的空间感知能力。
A tomato maturity detection method against occlusion and variable illumination
提出一种抗遮挡和光照变化的番茄成熟度检测方法。
Non-Destructive Sensing and Modeling for Biomass Estimation and Yield Prediction of Protected Vegetables——综述
综述设施蔬菜生物量与产量无损感知与建模研究进展。
露地白萝卜定植收获农机农艺垂直大模型调优方法研究(NRA-LoRA, Qwen3-4B LLM-Metric 84.32)
提出NRA-LoRA微调方法，构建农机农艺知识数据集，提升白萝卜定植收获垂直大模型性能。
A crop cultivation monitoring platform for evaluating the early growth of cucumbers
构建黄瓜早期生长监测平台，用YOLO模型自动量化发芽与子叶面积，并评估ZnO-NPs缓解盐胁迫效果。
PT-GNN: A physiological topology-aware graph neural network for multimodal early detection of cucumber downy mildew using hyperspectral and chlorophyll fluorescence sensing
提出生理拓扑感知图神经网络PT-GNN，融合高光谱与叶绿素荧光实现黄瓜霜霉病早期检测。
ArXiv 2609.10469 AgroVisNet:轻量化卷积网络及萝卜-马铃薯-葫芦病害诊断基准
提出轻量卷积网络AgroVisNet及萝卜、马铃薯、葫芦病害诊断基准BD-PlantDX。
南京农业大学等单位3MSP2多簇番茄序贯采摘规划在Computers and Electronics in Agriculture发表
提出3MSP2方法，实现温室大果番茄从簇级排序到单果姿态估计的序贯采摘规划。
中国农业大学马韫韬教授团队:攻克温室黄瓜冠层点云分割难题 助力设施数字化精准管理
构建Cuc-HiSeg框架，实现温室黄瓜冠层点云高精度叶片实例分割。
EfficientNet-CBAM-prototype: an attention-guided EfficientNet framework with dynamic prototype representation for tomato disease classification
提出ECP-Net，用注意力与动态原型提升番茄病害分类精度与可解释性。
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。
Quantile normalisation enables interpretable spatial prioritisation of persistence-related mechanistic suitability under uncertainty for tomato red spider mite (Tetranychus evansi) in Africa
提出分位数归一化方法，改进非洲番茄红蜘蛛螨持久性适宜性的空间优先排序。
Advances in Recognition Methods for Fruit and Vegetable Harvesting（MDPI Agriculture 2026, 16(17), 1924）
综述果蔬采摘目标识别方法，分析数字图像、机器学习与深度学习技术，指出挑战与未来方向。
Deep learning and computer vision framework for tomato insect classification with XAI insights
提出ResNet50-Fusion(ViT)混合深度学习模型，用于番茄害虫精准识别，准确率达97%。
A non-destructive watermelon sweetness classification via vision transformer with cross-modal knowledge distillation
提出用视觉Transformer结合跨模态知识蒸馏，实现西瓜甜度的无损分类。
Continual Learning Model Evaluation for Hyperspectral-Based Tomato Bacterial Spot Detection in Greenhouse
评估持续学习框架用于温室高光谱番茄细菌性斑点病冠层检测。
International Journal of Environmental and Agriculture Research·8月31日 · 周一74 分 论文农业AI与大模型智慧农业 / 农业物联网阅读 2
Remote Sensing and Machine Learning for Futuristic Horticulture: A Comprehensive Review
综述遥感与机器学习在印度园艺作物精准管理中的应用，涵盖原理、方法、案例与挑战。
DINOv3 meets YOLO26 for enhanced crop-weed detection toward precision vegetable weeding
结合DINOv3与YOLO26提升蔬菜田间作物与杂草检测精度，助力精准除草。