Restoration of occlusion in residual film images and curling degree prediction based on UAV in pre-sowing cotton fields

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。

结合Sentinel-2 NDVI与气候变量，构建多元模型预测米尔-穆甘地区棉花产量。

提出多特征与模糊结合残差LeNet的遥感影像棉花分类方法。

用MobileNetV2和DenseNet169对田间棉花与杂草图像做二分类，验证机器视觉除草可行性

用田口-机器学习框架优化棉花种子电引发处理，提升种子性能。

中国农业大学土地科学与技术学院马韫韬教授团队围绕棉花关键生育时期的表型智能识别与量化分析，在 Computers and Electronics in Agriculture、Plant Phenomics 和 Precision Agriculture 等国际权威期刊上连续发表三篇研究论文，题目分别为 MS-R outperforms RGB: Lightweight CYOLO-BiCNet enables efficient detection and storage optimization of cotton flowers，Scalable phenotyping and yield estimation via stability index and single-plant variability using a vision-based large model framework 和 Assessing Cotton Boll-opening Concentration for Harvest Decision-making via Foundation Model-enhanced Cross-scale Phenotyping。