Hybrid and Classical Machine Learning Models for Mixed-crop Recommendation in Precision Agriculture: An Empirical Performance Analysis
比较经典与混合机器学习模型在混合作物推荐中的表现，提出RF-ET混合模型。
阅读 0
A NOVEL HYBRID CLUSTERING AND ENSEMBLE LEARNING FRAMEWORK FOR AGRICULTURAL CROP RECOMMENDATION
提出聚类加集成学习的混合框架，用土壤气候数据做作物推荐。
阅读 0
A Systematic Study of Supervised and Ensemble Learning Approaches for Crop Selection in Smart Agriculture
系统综述2016-2026年24项作物推荐研究，比较四类机器学习方法并指出基准精度已趋饱和。
2 个信源阅读 2
Crop recommendation in precision agriculture: a systematic literature review of methods, trends, and challenges（精准农业中的作物推荐：方法、趋势与挑战系统综述）
系统综述129篇2020-2026年文献，梳理精准农业作物推荐的方法、趋势与挑战。
阅读 4
Ai Based Smart Crop Recommendation and Yield Prediction Using Ml and Weather Analytics
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。
阅读 1
Smart Crop Recommendation System
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。
2 个信源阅读 2
Machine Learning Classification Techniques for Smart Agriculture: A Review of Disease Detection and Crop Recommendation (机器学习分类技术在智慧农业中的应用综述:病害检测与作物推荐)
Frontiers in Artificial Intelligence 2026年8月31日综述。研究对2023年1月至2026年1月Scopus、IEEE Xplore、ScienceDirect和SpringerLink数据库中的文章进行系统检索,使用IoT and machine learning and agriculture、crop recommendation、plant disease detection、precision farming等关键词组合,30篇文章符合实证方法、定量性能报告和清晰数据集描述的标准。结果表明,随机森林( Random Forest)、支持向量机(SVM)和决策树等集成方法与传统机器学习方法在作物产量预测中准确率达到99.9%;CNN和ResNet深度学习模型病害检测准确率超过98%;GRU和LSTM时间序列模型天气条件预测准确率范围94-98%。IoT系统在精准农业应用方面显著改善资源利用,实现60-96%的节水、25%的增产和36-38%的除草剂减量。
阅读 3