A Comparative Study of Client-Level Stabilization Techniques in Federated Learning for Robust Plant Disease Recognition
比较联邦学习客户端级稳定化技术，提升植物病害识别的鲁棒性。
← 主题
#农业AI
Lightweight Hybrid CNN-Transformer Network for Robust Maize Leaf Disease Detection and Edge Deployment
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。
Integration of IoT And Satellite Data for Real-Time Agricultural Crop Stress Monitoring Using Spatio-Temporal Transformers
融合IoT传感器与多时相卫星数据，用时空Transformer实现作物胁迫实时监测。
Real-Time UAV scheduling under hazardous weather conditions using an integrated fuzzy logic and machine learning framework
提出融合模糊逻辑与机器学习分类器的无人机实时调度框架，在恶劣天气下保障精准农业飞行安全。
International Journal for Research in Applied Science and Engineering Technology·10月16日 · 周五0 分 论文智慧农业 / 农业物联网阅读 1
XAI and its Applications in Decision Support System
综述可解释AI技术及其在决策支持系统中的应用、挑战与未来方向。
MSFANet: a multi-scale feature aggregation network for tobacco pest recognition
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。
FDUNet-LRSA: efficient frequency-adaptive segmentation for automated crop disease inspection
提出频域自适应分割网络FDUNet-LRSA，用于甘薯病害自动巡检。
Enhanced YOLOv8n for adhered leaf cluster detection in RGB-based fresh green tea leaf sorting
提出改进YOLOv8n模型SDSI-YOLO，实现鲜茶叶粘连叶簇的高精度检测。
DefoliationCAM:面向葡萄藤食叶严重度实时评估的边缘AI系统 [预印本]
提出太阳能边缘AI系统DefoliationCAM，实时评估葡萄藤食叶严重度并远程传输。
中国农科院南京农机所发布农机智能引擎AMES1000 破解智能农机底层核心技术瓶颈
农业农村部南京农业机械化研究所发布拥有完全自主知识产权的农机智能引擎AMES1000新产品,破解我国智能农机底层核心技术瓶颈。南京农机所创新提出农机智能引擎AMES概念,联合中农国科(南京)智能装备科技有限公司完成产品落地,实现自动驾驶、处方图精准作业、多机协同、故障诊断等六大核心功能,具备高稳定、高可靠、易扩展等优势,可广泛适配各类农机机型,覆盖耕、种、管、收全农业生产场景,目前已在拖拉机、插秧机、田间管理机器人等装备上开展田间验证与熟化。
专家解读:让更多数智成果惠及普通农户——数字乡村要从「盆景」走向「风景」
中国农业大学信息与电气工程学院副教授李想在宣讲家网撰文指出,《数字乡村高质量发展行动计划(2026—2030年)》提出加强核心算法攻关,推动数字技术与农机、农艺协同创新。农业人工智能既要把农艺知识、作物机理和专家经验融入模型,也要不断提升算法对不同区域、不同作物、不同生育阶段和不同生产条件的适应能力。当前农业人工智能算法和大模型在复杂田间环境中的准确性、稳定性仍不足以直接替代专业农技判断,现阶段更适合作为农事服务人员的辅助工具。「十五五」期间,数字乡村、智慧农业既要持续加强技术研发,也要更加重视通过完善的服务体系把数字化、智能化能力送到田间地头。
广西西林:粤桂协作赋能 深山桔园请来「AI管家」 化肥农药减量20%以上
广西百色市西林县古障镇仙仁掌村桔园,无人机升空巡测快速识别叶片黄化、缺水、病虫害等异常。依托粤桂协作对口帮扶资源,西林联合深圳市罗湖区、深圳市丰农控股,在233亩核心示范基地搭建「无人机+AI」全域监测平台,气象、墒情、虫情、灾情监测设备全天候运行。核心示范区化肥、农药用量减少20%以上,人工管护成本下降30%,果树亩均产量提升15%,优质果率提高8个百分点;全镇果园管理效率提升60%,每年减少农业灾害损失100万至150万元,全域每年节约农资成本超1426万元。
Predicting Wetland Nitrogen Levels Through Microbial Signatures: A Taxonomy-Based Approach Validated by Machine Learning
利用湿地微生物群落特征结合机器学习预测土壤总氮水平。
A lightweight hybrid network with inverted residuals and state space model for remote sensing image segmentation
提出IRUM-Net混合网络，结合Mamba与CNN实现遥感图像轻量高精度语义分割。
Artificial Intelligence for Environmental Sustainability and Climate Change Mitigation: Recent Advances, Challenges, and Future Perspectives
综述AI在气候变化缓解与环境可持续领域的应用进展、挑战与未来方向。
Entomopathogenic nematode recent applications in precision agriculture: Methods, challenges, and future perspectives
Entomopathogenic nematode recent applications in precision agriculture: Methods, challenges, and future perspectives。Journal of Invertebrate Pathology
Explainable deep learning for Mango leaf disease recognition using AlexNet and grad-CAM
提出可解释深度学习框架，用AlexNet结合贝叶斯调参、微调和Grad-CAM实现芒果叶病十分类。
International Journal of Environmental and Agriculture Research·10月15日 · 周四62 分 论文农技推广与成果转化智慧农业 / 农业物联网阅读 0
The Importance of Electronic Communication in the Use of Artificial Intelligence Programs and Applications in the Field of Smart Agriculture from the Point of View of Agricultural Extension Workers in Nineveh Governorate, Iraq
调查伊拉克尼尼微省农业推广人员对电子通信在智慧农业AI应用中重要性的认知及障碍。
Trustworthy Explainable AI for Lettuce Growth Stage Prediction Using Sensor Data in Smart Agriculture
提出XGB-StageVision，用传感器数据与可解释AI预测水培生菜生长阶段。
An integrated instance segmentation and deep feature fusion model for robust leaf species classification in natural environments
提出实例分割与深度特征融合框架，在自然环境下实现鲁棒叶片物种分类。