机器学习 作物 识别

开发KRISHI AI平台，集成AI与IoT提供作物推荐、病害识别、天气信息和农机租赁服务。

提出轻量CNN与EfficientNet-B0混合特征提取、PCA降维和堆叠集成分类的菠萝蜜病害检测

综述农学大数据的技术、应用、效益与挑战，强调多源数据融合支撑精准农业决策。

提出融合RMUNet分割、CRNN与AJFO优化的木薯叶病害识别框架，实现高精度分类。

农民日报全媒体记者李克欣对话中国社科院杜志雄、中国农业大学李想、雄安集团孔德栋三位专家。专家指出当前我国智慧农业正从早期试点示范迈向规模化、体系化推广应用新阶段，人工智能赋能农业的关键技术包括机器学习与深度学习、计算机视觉与智能感知（如200万张高清图像训练的AI作物表型模型识别精度达95%以上）、农业大模型（如中化iMAP节约水肥10%~20%、增产8%~10%）和智能农机与农业机器人（如土壤高通量检测机器人实现42项指标检测误差控制在5%以内）。

融合光学与SAR多时相数据，用机器学习集成分类器估算安得拉邦鹰嘴豆种植面积。

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。

开发轻量级边缘AI模型，在资源受限移动设备上实时检测高粱病害。

融合计算机视觉与机器学习，实现高粱病害严重度评估与产量预测。

利用高光谱数据与随机森林识别哈萨克斯坦东北部麦田作物与杂草，并分析误判的生物学原因。

提出PDANet网络，融合分割、联邦学习与RAG大模型，实现果实病害检测与严重度预警。

综述机器学习与物联网在智慧农业中的应用并做文献计量分析。

基于240个城市2002-2023年面板数据，检验四类极端气候冲击对农业净碳汇的影响及供应链韧性的调

提出AI+物联网+遥感驱动的精准农业概念框架，提升印度气候韧性作物生产。

通过成本效益分析评估AI智能灌溉系统的经济与环境影响。

综述AI在植物病害检测中的应用，涵盖图像采集到模型评估全流程及未来趋势。

用丹麦十年田块数据识别轮作模式并预测年度作物选择。

利用番茄电生理信号与机器学习实现水分胁迫早期在线检测。

综述大田作物全生育期信息感知与智能监测，按生育阶段梳理技术并指出转化不足。

综述2018-2025年深度学习杂草分类方法，分析技术瓶颈并给出改进建议。