农业人工智能 机器学习

系统综述AI、机器学习与深度学习的概念、方法、应用及伦理挑战。

提出分层光谱集成模型HSE，从高光谱遥感反射率中全球尺度反演四种水质参数。

提出优化机器学习框架，用土壤环境数据预测农艺参数并分类菠菜生长阶段。

基于印度州级MODIS NDVI与机器学习比较作物产量预测，随机森林优于梯度提升。

系统综述遥感估产方法，分类传感器、平台、建模与机器学习，指出深度学习性能最优。

用MODIS NDVI与四种回归模型预测印度各邦作物产量，并做全国尺度验证。

对比经典机器学习与深度学习模型在精准农业早期杂草检测中的性能。

提出集成混合量子-经典机器学习、虚拟样本生成和遥感基础模型的框架，预测雄安农田地下水硝酸盐浓度。

研究AI在尼日利亚西南部土壤肥力评估和作物产量预测中的应用，发现随机森林模型表现最佳。

用机器学习基于生产和繁殖数据预测奶牛总泌乳量，Extra Trees表现最佳。

提出AI框架，结合机器学习与天气分析，推荐作物并预测产量。

利用随机森林结合遥感与GIS绘制印度Latur地区地下水潜力图。

提出智能作物推荐系统，结合AI与实时天气，推荐作物并检测病害。

提出基于HYDRA字典方法的机器学习框架，结合物候特征预测玉米产量。

用机器学习集成方法预测作物产量，比较七种回归算法，发现Bagging效果最佳。

用机器学习代理模型预测多样化轮作对SOC和N2O的影响，识别气候智能管理区域。

提出基于树干半径和径向生长率的机器学习模型，实现多树种年龄估算。

提出可解释机器学习框架，同时预测土壤质地和含水量，提升模型透明度和可信度。

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。

用机器学习预测种子质量和终速，基于形态特征，为气力式排种器设计提供支持。