蔬菜

用低成本遥操作机械臂采集演示，模仿学习实现草莓果柄定点采摘。

提出轻量注意力多级混合MobileNet-V2框架，融合手工纹理与深度学习特征实现番茄叶片病害早期检

提出物联网集成LSTM与Bi-LSTM加权集成框架，实时预测温室微气候。

提出轻量级混合视觉网络MambaSeed，实现番茄等作物叶病高效识别。

提出基于纹理自适应模糊池化机制，提升CNN番茄成熟度分类性能。

中国农业科学院农业环境与可持续发展研究所设施植物环境工程创新团队以番茄为对象，构建知识与数据双驱动的尺度自适应时序卷积混合模型，根据番茄不同生育期动态调整时序特征提取尺度，结合机理模型合成数据预训练与生理阈值约束，实现番茄不同器官干物质及叶面积指数的精准预测；研究成果发表在Computers and Electronics in Agriculture；仅依靠常规温室环境数据即可无损估算生长态势，对推动温室智能环控、产量预测具重要应用价值。

提出CuFormer U-Net多任务网络，同时实现黄瓜叶病分类与病斑分割。

中国农业科学院农业环境与可持续发展研究所设施植物环境工程创新团队提出知识与数据双驱动的尺度自适应时序卷积混合模型，根据番茄不同生育期动态调整时序特征提取尺度，结合机理模型合成数据预训练与生理阈值约束，实现番茄不同器官干物质及叶面积指数的精准预测。成果发表在《Computers and Electronics in Agriculture》。

设计基于YOLO11n的辣椒种子逐粒精检分选机，实现高通量在线检测与无损剔除。

提出改进YOLOv8n番茄果实检测模型，提升采摘机器人识别精度与速度。

提出MPFAN-AF模型，用多尺度并行卷积和注意力融合实现番茄叶片病害自动分类。

系统比较硬投票、软投票与加权软投票三种决策级集成策略，用于番茄叶片病害分类。

综述人工智能在蔬菜作物生产中的应用，涵盖监测、诊断、灌溉、产量预测与采收机器人。

提出轻量协同网络，解决草莓物候检测中的尺度变化与纹理混淆问题。

开发基于YOLOv8n-BiFPN-WIoU的轻量模型，实现温室番茄自主采摘机器人实时运行。

近日，中国农业科学院农业环境与可持续发展研究所设施植物环境工程创新团队构建了知识与数据双驱动模型，实现温室番茄生长的高精度无损预测，研究成果发表在《农业计算机与电子学（Computers and Electronics in Agriculture）》上。科研团队提出一种尺度自适应时序卷积混合模型，根据番茄不同生育期动态调整时序特征提取尺度，结合机理模型合成数据预训练与生理阈值约束，实现番茄不同器官干物质及叶面积指数的精准预测。

云南首个AI+农业全链路示范基地位于昆明市宜良县匡远街道温泉社区。嘉措（云南）农业科技有限公司联合云南指月科技有限公司打造国产化AI种植模式，通过核心算法本地化适配与全链条国产化硬件深度协同，基地里每公斤番茄综合生产成本降至5元，仅为海外高端温室模式的三分之一。

构建数据驱动光调控决策框架，优化黄瓜幼苗光强与光谱以提升光合效率并降低能耗。

提出改进YOLOv8-EME与ByteTrack结合的番茄检测计数系统，可同时识别串收与单果成熟度并

开发基于RGB图像处理的生菜尺寸估计软件，用于选择性采收决策。